Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Diferensial Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Komputer Indonesia
Pratama, Alfan Rizaldy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics Public Health

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

Found 4 Documents
Search

 1 
Classification Of Brain Tumors Using The VGG19 Method Syah, Maulidya Prastita; Kristanaya, Mirechelin; Nariswari, Naura Ulayya; Azzahra, Melinda Putri; Pratama, Alfan Rizaldy; Saputra, Wahyu S.J.
Jurnal Komputer Indonesia Vol. 3 No. 2 (2024): Desember
Publisher : LPPJPHKI Universitas Dehasen Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jki.v3i2.677

Abstract

Brain tumor is one of the diseases that has a high mortality rate and requires early detection to increase the chance of cure. In recent years, artificial intelligence-based methods, especially Deep Learning, have shown promising performance in brain tumor classification using Magnetic Resonance Imaging (MRI) images. This study applies the VGG19 architecture, one of the Convolutional Neural Network (CNN) models, to classify brain tumor types based on MRI images. The model is trained with data that has gone through augmentation and contrast enhancement processes to improve image quality before classification. The experimental results show that the VGG19 method is able to achieve high accuracy in brain tumor classification. These findings confirm the effectiveness of VGG19 in automatically detecting brain tumors and can be a supporting solution for medical personnel in performing early diagnosis.
Pengembangan Algoritma Sharpe Ratio dengan Integrasi Filter Tren SMA dalam Strategi Portofolio Aset Kripto Adziima, Andri Fauzan; Wara, Shindi Shella May; Nasrudin, Muhammad; Pratama, Alfan Rizaldy
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.383

Abstract

Penelitian ini mengusulkan sebuah strategi alokasi aset kripto yang bersifat dinamis, dengan menggabungkan pembobotan berdasarkan Sharpe Ratio dan penyaringan tren menggunakan indikator Simple Moving Average (SMA) dari Bitcoin (BTC). Model ini melakukan alokasi ulang modal setiap tiga hari pada tujuh aset kripto utama (BTC, ETH, BNB, SOL, TON, TRX, XRP), dengan ketentuan bahwa harga BTC berada di atas ambang SMA tertentu (50 hari, 100 hari, atau 200 hari). Apabila BTC berada di bawah nilai SMA tersebut, seluruh portofolio secara otomatis dialihkan ke USDT untuk menekan risiko penurunan nilai. Studi ini menggunakan data historis dari 1 Januari 2024 hingga 1 Januari 2025 dan menguji performa model dalam tiga konfigurasi SMA, lalu dibandingkan dengan strategi dasar buy-and-hold. Hasil menunjukkan bahwa strategi dengan parameter SMA 50 hari menghasilkan return kumulatif tertinggi (+231,51%) serta rasio Sharpe terbaik (2,51), jauh melampaui model dengan SMA yang lebih panjang maupun rata-rata return dari strategi dasar (+132,14%). Analisis risiko mengindikasikan bahwa jendela SMA yang lebih pendek memberikan respons yang lebih cepat terhadap tren naik pasar, meskipun disertai dengan peningkatan volatilitas jangka pendek. Secara keseluruhan, temuan ini menguatkan efektivitas strategi hibrida yang mengombinasikan penyaringan tren dengan alokasi berbasis risiko dalam pengelolaan portofolio kripto di tengah kondisi pasar yang fluktuatif.
Optimasi Sistem Antrian Pada Medical Center ITS Dengan Simulasi Discrete Event Dan Response Surface Methodology Wara, Shindi Shella May; Nasrudin, Muhammad; Adziima, Andri Fauzan; Pratama, Alfan Rizaldy
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.411

Abstract

Medical Center ITS berfungsi sebagai unit rawat jalan yang melayani pemeriksaan, tindakan medis, penunjang medis, dan rujukan bagi civitas academica ITS serta masyarakat umum dengan biaya yang terjangkau. Penelitian ini bertujuan untuk mengoptimalkan sistem antrean di Medical Center ITS, yang sering menghadapi antrean panjang dan berdampak pada waktu tunggu pasien serta efisiensi pelayanan, menggunakan pendekatan simulasi diskrit. Data primer, meliputi waktu antar kedatangan dan waktu pelayanan (resepsionis, poli umum, poli gigi, resep, dan pengambilan obat), dikumpulkan secara empiris untuk memodelkan sistem antrean berbasis kejadian. Model simulasi yang dikembangkan secara akurat merepresentasikan seluruh alur pelayanan. Hasil simulasi menunjukkan bahwa sistem pelayanan saat ini belum optimal dengan hanya satu server di poli umum dan satu di poli gigi. Berdasarkan temuan, skenario penambahan server pada poli gigi menjadi empat dan tetap satu server di poli umum diusulkan sebagai konfigurasi optimum. Implementasi skenario ini terbukti secara signifikan mengurangi waktu tunggu rata-rata pasien dan meningkatkan tingkat utilitas sumber daya. Penelitian ini menegaskan bahwa simulasi diskrit adalah alat pengambilan keputusan yang efektif untuk meningkatkan kualitas dan efisiensi pelayanan di fasilitas kesehatan.
Evaluasi Kinerja Uji Normalitas pada Ragam Distribusi dan Ukuran Sampel Wara, Shindi Shella May; Adziima, Andri Fauzan; Nasrudin, Muhammad; Pratama, Alfan Rizaldy
JURNAL DIFERENSIAL Vol 7 No 2 (2025): November 2025
Publisher : Program Studi Matematika, Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jd.v7i2.24042

Abstract

The normal distribution is a fundamental assumption in many parametric statistical methods. Therefore, testing for data normality is a crucial step prior to further analysis. This study aims to evaluate the performance of three widely used normality test methods: Kolmogorov-Smirnov (KS), Anderson-Darling (AD), and Shapiro-Wilk (SW), across various distributions (standard normal, exponential, and t-student with degrees of freedom 1, 20, and 100) and sample sizes (n = 20, 50, 100, 200, and 500). Data were generated through simulation with 1000 iterations for each combination. The results show that the KS method performs well on standard normal and t-student distributions with larger degrees of freedom. The AD method proves to be more sensitive, especially in detecting deviations from normality, though it is less stable for small sample sizes. Meanwhile, the SW method demonstrates optimal performance with large samples. These findings provide practical guidance in selecting appropriate normality test methods based on the characteristics of the data.
Co-Authors Adziima, Andri Fauzan Azzahra, Melinda Putri Kristanaya, Mirechelin Muhammad Nasrudin Nariswari, Naura Ulayya Saputra, Wahyu S.J. Syah, Maulidya Prastita Wara, Shindi Shella May