Article Per Year (5 Year)
p-Index From 2021 - 2026
4.586
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JIKO (Jurnal Informatika dan Komputer) SMARTICS Journal Jurnal SOLMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURIKOM (Jurnal Riset Komputer) Journal on Education Jurnal Telematika JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Informatika Global Jurnal Review Pendidikan dan Pengajaran (JRPP) INTI Nusa Mandiri Jurnal Sistem Informasi dan Informatika (SIMIKA) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Darmabakti : Junal Pengabdian dan Pemberdayaan Masyarakat Jurnal Pendidikan dan Teknologi Indonesia Indonesian Community Journal Jurnal Bisnis Kolega Jurnal Informatika Polinema (JIP) Scientific Journal of Informatics
Mula Agung Barata
Universitas Nahdlatul Ulama Sunan Giri
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Analisis Perbandingan Seleksi Fitur dalam Memprediksi Kelulusan Mahasiswa dengan Menngunakan Artificial Neural Network M. Khoirul Risqi; Dwi Prastya, Ifnu Wisma; Barata, Mula Agung
JURNAL RISET KOMPUTER (JURIKOM) Vol. 13 No. 1 (2026): Februari 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i1.9420

Abstract

Student attrition presents a major challenge in higher education due to its direct impact on academic quality and institutional graduation rates. Detecting students who are likely to withdraw at an early stage is therefore essential to ensure that timely interventions can be made. This study investigates how three distinct feature selection techniques—Chi-Square, Information Gain, and ANOVA—affect the performance of Artificial Neural Networks (ANN) in classifying student outcomes. The data used in the experiment were drawn from academic and administrative records, which had been standardized through Min-Max normalization. The results demonstrate that each method contributes positively, with classification accuracies ranging from 88.71% to 91.37%. Information Gain emerged as the most effective approach, yielding the highest accuracy at 91.37% and a recall score of 97.29%, largely due to its capability to reduce entropy and isolate the most informative variables. ANOVA also performed consistently well with 90.82% accuracy, while Chi-Square was comparatively less effective, potentially due to its reliance on categorical variables that may not capture predictive nuances. These findings emphasize the strategic importance of applying robust feature selection to improve ANN-based prediction models. Ultimately, this research supports the design of data-driven systems aimed at reducing student dropout rates and strengthening academic retention strategies across higher education institutions.
Evaluasi Pengaruh RFE Terhadap Kinerja Random Forest dengan SVM pada Klasifikasi Kemiskinan Kabupaten/Kota Indonesia Shafa Kirana Aralia; Mula Agung Barata; Ita Aristia Sa'ida
JURNAL RISET KOMPUTER (JURIKOM) Vol. 13 No. 1 (2026): Februari 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i1.9527

Abstract

Poverty is a socio-economic issue that remains a concern in Indonesia, with differences in development characteristics between districts/cities causing wide variations in indicators that are intercorrelated. Feature redundancy and the existence of extreme values have the potential to reduce the generalization ability of classification models and reduce the interpretability of results. Therefore, an approach is needed that not only produces high accuracy but is also capable of identifying the most relevant indicators. Therefore, an approach is needed that not only produces high accuracy but is also capable of identifying the most relevant indicators. This study aims to evaluate the effect of Recursive Feature Elimination (RFE) on the performance of Support Vector Machine (SVM) and Random Forest in classifying the poverty status of districts/cities in Indonesia. The dataset used consists of 514 observations with two target classes, namely non-poor and poor. The preprocessing stage included data cleaning and outlier handling using the IQR capping method, then the data was divided into 80% training data and 20% test data. Testing was conducted on four scenarios: SVM, SVM+RFE, Random Forest, and Random Forest+RFE. Evaluation used a confusion matrix, accuracy, precision, recall, and F1-score. The results show that RFE does not change the accuracy of SVM (0.971), but improves the performance of Random Forest from 0.981 to 0.99 and improves the precision of the minority class. The Random Forest+RFE combination is the most effective and efficient configuration for regional poverty classification.
Analisis Metode Ensemble Berbasis Random Forest untuk Klasifikasi Kejadian Stroke pada Dataset Publik Viki Mei Adi Saputra; Mula Agung Barata; Denny Nurdiansyah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9496

Abstract

Stroke merupakan salah satu penyebab utama disabilitas dan kematian global, sehingga diperlukan pendekatan berbasis data untuk mendukung klasifikasi kejadian stroke secara sistematis. Penelitian ini menganalisis variasi metode ensemble berbasis Random Forest pada dataset publik healthcare-dataset-stroke-data dari Kaggle yang terdiri dari 5.110 data pasien dengan 11 variabel demografis dan faktor risiko kardiovaskular. Tahapan prapemrosesan meliputi imputasi nilai hilang pada atribut bmi menggunakan median, penanganan outlier dengan metode interquartile range (IQR), serta penyeimbangan kelas menggunakan SMOTE. Tiga skenario model dikembangkan dalam satu pipeline yang seragam, yaitu Random Forest sebagai baseline, Bagging Random Forest, dan AdaBoost Random Forest. Evaluasi dilakukan menggunakan 5-Fold Cross Validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan adanya perbedaan nilai metrik evaluasi antar skema ensemble, dengan konfigurasi AdaBoost Random Forest menghasilkan nilai akurasi sebesar 94,70% pada konfigurasi pengujian yang digunakan. Studi ini memfokuskan analisis pada variasi strategi ensemble dalam satu kerangka Random Forest dengan pipeline prapemrosesan yang seragam, sehingga menghasilkan evaluasi yang terkontrol dan reprodusibel.
Evaluasi Komparatif Metode Feature Selection pada XGBoost Regression untuk Prediksi Panjang Siklus Menstruasi Shofiatuz Zulfia; Mula Agung Barata; Ifnu Wisma Dwi Prastya
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9526

Abstract

Panjang siklus menstruasi menjadi indikator utama dalam kesehatan reproduksi perempuan, namun perbedaan karakteristik individu dan ketidakteraturan siklus menyulitkan proses prediksi secara manual. Kondisi tersebut mendorong perlunya pendekatan berbasis data yang mampu menghasilkan prediksi panjang siklus menstruasi secara akurat dan konsisten. Penelitian ini bertujuan untuk melakukan evaluasi komparatif berbagai metode feature selection pada algoritma XGBoost Regression dalam memprediksi panjang siklus menstruasi. Dataset penelitian diperoleh dari Kaggle dan terdiri atas 162 data yang mencakup atribut fisiologis dan demografis perempuan. Tahapan penelitian meliputi preprocessing data, normalisasi menggunakan StandardScaler, pembagian data latih dan data uji dengan rasio 80:20, serta validasi 10-fold cross-validation untuk menguji stabilitas model. Empat skenario pemodelan dievaluasi, yaitu tanpa feature selection sebagai baseline, forward selection, backward elimination, dan optimized selection berbasis ensemble feature selection dari lima metode seleksi fitur. Hasil evaluasi menunjukkan bahwa metode forward selection memberikan performa terbaik dengan nilai R² sebesar 0,9005, RMSE 1,45 hari, MAE 0,57 hari, dan MAPE 1,73% (kesalahan relatif rata-rata < 2% terhadap panjang siklus 25-30 hari), serta meningkatkan nilai R² sebesar 0,1696 poin (dari 0,7309 menjadi 0,9005), setara dengan peningkatan relatif 23,2% terhadap nilai baseline. Temuan ini menunjukkan bahwa pemilihan metode feature selection yang tepat berpengaruh terhadap peningkatan performa prediktif dan stabilitas model XGBoost Regression dalam prediksi panjang siklus menstruasi.
Pemberdayaan Guru BK dalam Meningkatkan Kematangan Karir Siswa melalui pelatihan Modul Bimbingan Karir Interaktif Berbasis Multimedia dan Nilai-Nilai Islam Efendi, Moh. Yusuf; Distira, Riski Putra Ayu; Barata, Mula Agung; Rahmadani, Dina Selvi; Amelia, Putri; Andriyani, Eka Wahyu
Jurnal SOLMA Vol. 15 No. 1 (2026)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v15i1.21403

Abstract

Background: Penggunaan media berbasis teknologi dalam bimbingan karier di Sekolah Menengah Kejuruan (SMK) menjadi penting seiring transformasi digital di dunia pendidikan dan kerja. Perubahan cepat kebutuhan industri menuntut siswa memiliki pemahaman karier yang relevan dan adaptif terhadap teknologi. Pemanfaatan media digital seperti platform asesmen karier online, video interaktif, dan e-modul membantu guru Bimbingan dan Konseling (BK) memberikan layanan karier yang lebih menarik dan interaktif. Karena itu, kapasitas guru BK perlu diperkuat melalui program pemberdayaan berbasis peningkatan kompetensi pedagogis dan teknologis. Metode pengabdian menggunakan Participatory Learning and Action melalui lima tahapan: sosialisasi, pelatihan, penerapan teknologi, pendampingan, dan evaluasi keberlanjutan. Hasil kegiatan menunjukkan peningkatan kemampuan guru BK dalam penguasaan teknologi pembelajaran sebesar 32%. Sebanyak 78% siswa menyatakan layanan bimbingan karier melalui modul interaktif lebih menarik dan mudah dipahami. Seluruh guru BK (100%) terlibat aktif, satu modul digital berbasis nilai Islam berhasil dikembangkan, dan dua sesi layanan nyata mendapat tanggapan positif dari lebih 75% siswa. Kesimpulan, kegiatan ini terbukti efektif meningkatkan kompetensi digital dan profesionalisme guru BK, memperkuat nilai-nilai Islam dalam layanan, serta menumbuhkan partisipasi aktif siswa dalam perencanaan karier. Selain itu, terbentuk Komunitas Praktisi Guru BK SMKN 5 Bojonegoro sebagai wadah inovasi berkelanjutan dalam pengembangan layanan BK berbasis teknologi dan spiritualitas Islam.
Co-Authors Abdul Aziz Amalia, Salsabila Dani Amelia, Putri Andiyani, Putri Andriyani, Eka Wahyu Aprillia Dwi Ardianti Deni Reskianto Deni Denny Nurdiansyah Denny Nurdiansyah Dina, Intan Rachma Distira, Riski Putra Ayu Dwi Irnawati Dwi Issadari Hastuti Dwi Prastya, Ifnu Wisma Dwi Syafi'i, Ahmad Dwi Tiyas Novitasari Edi Noersasongko Efendi, Ervina Putri Elok Fathiyatul Laili Fannisa Salsabila Pratiwi Fina Indri Silfana Hidayah, Alvinatul Ifnu Wisma Dwi Prastya Ilmiyah, Miftakhul Indra Dharma Wijaya Indra Dharma Wijaya, Indra Dharma Ita Aristia Sa'ida Jauhar Vikri, Muhammad Levia, Zachdyna Aurelya M. Khoirul Risqi Maulani, Vicka Rizqi Moch Arief Soeleman Moh. Miftahul Choiri Moh. Yusuf Efendi Munir, Ach Sirojul Muzakka, Moch. Arifuddin Nasirudin, M. Nisa, Siti Khoirun Novitasari, Dwi Tiyas Nur Mahmudah Nur’aini, Zulfiana Panigoro, Buyung Pelangi Eka Yuwita Purwanto Purwanto Rahmadani, Dina Selvi Reza Anggapratama Rheyna Anggri Setyani Rochmatin, Novia Nur Roihatur Rohmah Roihatur Rohmah Sahri Sahri Sahri Santi, Nirma Ceisa Saputra, Agus Bima Shafa Kirana Aralia Shofiatuz Zulfia Silfana, Fina Indri Sinta Ningrum Usman Nurhasan Viki Mei Adi Saputra Vita Dwi Rahmawati Wulan, Diah Nawang Yaqin, Ahmad Ainul Zainul Abidin Zakki Alawi