Article Per Year (5 Year)
p-Index From 2021 - 2026
1.532
P-Index
This Author published in this journals
All Journal Jurnal TIMES JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Building of Informatics, Technology and Science DEVICE Yayasan Cita Cendikiawan Al Khwarizmi Jurnal Armada Informatika Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Impression : Jurnal Teknologi dan Informasi Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi Jurnal Nasional Komputasi dan Teknologi Informasi
Iqbal Giffari Ritonga
Universitas Efarina
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ANALISIS ALGORITMA ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PADA PENGENALAN POLA IKAN KOI MENGGUNAKAN RED, GREEN, BLUE, DAN HUE, SATURATION, VALUE IQBAL GIFFARI RITONGA; Rika Rosnelly; Pius Deski Manalu; Teresa Tamba; Kristine Wau
Device Vol 12 No 2 (2022): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v12i2.3998

Abstract

ANFIS adalah algoritma yang menggabungkan sistem fuzzy dengan sistem jaringan syaraf tiruan. ANFIS dapat membuat nilai masukan menjadi keluaran berdasarkan nilai yang sudah dilatihkan dalam bentuk fuzzy. ANFIS dapat digunakan dalam klasifikasi jenis ikan koi dengan melatih nilai red, green, blue, serta hue, saturation, value, dan biner untuk menghapus nilai background citra ikan koi. Pada penelitian ini digunakan 3 jenis dari ikan koi yaitu kohaku, sanke, dan showa. Data latih pada algoritma ini menggunakan 10 citra ikan koi kohaku, 10 citra ikan koi sanke, dan 10 citra ikan koi showa serta 6 data uji yang diambil dari 2 data latih dari setiap jenis ikan koi tersebut. Hasil Akurasi dari data latih menghasilkan 100% dan hasil Akurasi dari data uji menghasilkan 100%.
Klasifikasi Citra Cuaca Menggunakan Inception-V3 dan K-Nearest Neighbors Iqbal Giffari Ritonga; Rika Rosnelly; Pius Deski Manalu; Teresa Tamba; Kristine Wau
JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 6 No. 2 (2023): Jutikomp Volume 6 Nomor 2 Oktober 2023
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jutikomp.v6i2.4052

Abstract

Weather imagery has a crucial role in various sectors, such as aviation, maritime and agriculture. Weather conditions have a big impact on activities in these fields and greatly influence operations. Classifying weather images can be done by analyzing weather image data, which can be used to predict the type of weather that may occur. The results of these weather predictions have significant value in daily decision making in these various sectors. One method for classifying weather images can be done by first extracting weather image features using Inception-V3 which is then calculated using the K-Nearest Neighbors method. This research uses 1748 weather images with 4 categories to carry out training which produces a model with Accuracy 91%, F1 91%, Recall 91%, Precision 91%, and uses 8 weather images with 4 categories to carry out testing which produces classifications with all correct values. every image.
Perancangan Hotspot Server Untuk User Authentication dan Limit Bandwidth Menggunakan Mikrotik RB941 (Studi Kasus: Usaha Bandwidth) Ritonga, Iqbal Giffari; Sumarno, Sumarno; Gunawan, Indra; Nasution, Zulaini Masruro
Building of Informatics, Technology and Science (BITS) Vol 1 No 2 (2019): December 2019
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.394 KB) | DOI: 10.47065/bits.v1i2.26

Abstract

The research was carried out on the Bandwidth Business on Sinta Pohan Street Pematangsiantar where there was a problem that customers who bought WiFi passwords told other people who were not customers and lagged at the same time when customers access the internet and small WiFi coverage. This problem can be overcome by Mikrotik RB941 which is configured Hotspot Server and adds an Access Point in the business area. The purpose of this study is to use the Hotspot Server function, namely User Authentication and Limit Bandwidth for the authentication process and the Access Point function to strengthen WiFi signal coverage.
Efektifitas Penggunaan E-learning Pada Mata Pelajaran Entrepreneurship Untuk Meningkatkan Kompetensi Peserta Didik SMK Swasta Taman Siswa Kota Pematangsiantar Mhd. Ramadhan; Iqbal Giffari Ritonga; Egi Kurniawan; Ade May Luky Harefa
Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi Vol 2 No 3 (2025): Juli
Publisher : CV. ADMITECH SOLUTIONS

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

Abstract

Pendidikan memiliki peran penting dalam memajukan suatu negara. Sistem pendidikan yang baik menciptakan sumber daya manusia berkualitas. Efektivitas pembelajaran sangat ditentukan oleh kemampuan guru dalam membimbing dan memotivasi peserta didik, seperti yang diterapkan di SMK Swasta Tamansiswa Pematangsiantar. Penelitian ini bertujuan untuk mengetahui efektivitas penggunaan e-learning dalam mata pelajaran Entrepreneurship untuk meningkatkan kompetensi peserta didik. Hasil penelitian menunjukkan nilai validitas instrumen XA 0,830, XB 0,865, XC 0,803, dan XD 0,919. Uji reliabilitas sebesar 0,875 (>0,70) membuktikan bahwa instrumen penelitian reliabel. Berdasarkan uji normalitas Shapiro-Wilk, ditemukan bahwa XB dan XC berdistribusi normal, sedangkan XA dan XD tidak. Platform e-learning yang digunakan adalah Model Platform, yang mendukung pembelajaran jarak jauh berbasis teknologi informasi dan komunikasi. E-learning memungkinkan siswa belajar tanpa harus hadir di kelas dan dirancang untuk meningkatkan hasil belajar. Namun, beberapa sistem e-learning masih belum memperhatikan karakteristik individu siswa seperti motivasi, gaya belajar, dan tujuan pembelajaran.
Analisis Regresi Linear Terhadap Tingkat Pengangguran Terbuka Menurut Provinsi Periode 2021-2025 Iqbal Giffari Ritonga; Hartono; Peniel Sam Putra Sitorus
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.858

Abstract

Pengangguran terbuka merupakan salah satu faktor yang berkontribusi terhadap kemiskinan dan ketimpangan sosial-ekonomi di Indonesia. Penelitian ini bertujuan untuk menganalisis hubungan antara Tingkat Pengangguran Terbuka (TPT) bulan Februari sebagai variabel independen dengan TPT bulan Agustus sebagai variabel dependen menggunakan regresi linear sederhana, serta memprediksi TPT antar provinsi periode 2021–2025. Data yang digunakan meliputi TPT 38 provinsi, dengan analisis regresi menghasilkan persamaan . Hasil analisis menunjukkan koefisien (R²) sebesar 97%, MSE 2,29, dan RMSE 1,51, yang mengindikasikan bahwa model regresi mampu menjelaskan sebagian besar variasi TPT dan menghasilkan prediksi yang akurat. Penelitian ini menegaskan adanya hubungan positif yang kuat antara TPT bulan Februari dan Agustus, sehingga nilai TPT bulan Februari dapat dijadikan indikator untuk memprediksi TPT bulan Agustus.
Optimizing the Number of Trees in the Random Forest Algorithm to Improve Data Classification Accuracy Iqbal Giffari Ritonga; Pius Deski Manalu; Dedi Irawan; Syawaluddin Kadafi Parinduri
Jurnal Armada Informatika Vol 10 No 1 (2026): Juni
Publisher : STMIK Methodist Binjai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36520/jai.v10i1.306

Abstract

Classification is a technique in data mining used to build predictive models based on patterns or characteristics of data. One widely used classification algorithm is Random Forest, an ensemble learning method that combines several decision trees to produce more accurate and stable predictions. However, the performance of the Random Forest algorithm can be affected by the parameters used, one of which is the number of decision trees (n_estimators). This study aims to analyze the effect of variations in the number of trees on the performance of the Random Forest algorithm in classifying and determine the configuration of the number of trees that produces the best accuracy. The research method was carried out by applying the Random Forest algorithm using variations in the number of trees of 50, 100, 150, and 200. Model performance evaluation was carried out using accuracy, confusion matrix, and feature importance analysis. The test results showed that variations in the number of trees had an impact on model performance, although the increase in accuracy obtained was relatively small. The accuracy values ​​for n_estimators 50, 100, 150, and 200 were 89.44%, 89.44%, 89.53%, and 89.42%, respectively, with the best performance obtained when using n_estimators = 150. The confusion matrix results showed that this configuration provided a better classification balance between the Cancel and Not_Cancelled classes. In addition, feature importance analysis showed that lead time, average price, and special requests were the most influential features on the classification results across all variations in the number of trees. Based on the results of the study, the use of the optimal number of trees can improve the stability of the Random Forest model, but adding a larger number of trees does not always result in a significant increase in accuracy. The Random Forest source code and dataset are available on GitHub at https://github.com
Pemanfaatan Teknologi Digital untuk Meningkatkan Produktivitas dan Kemandirian Peternak Ikan Desa Mariendal II Bayu Aditya Pratama; Nasaruddin Nur Hasibuan; Sayuti Rahman; Dadan Ramdan; Rahmad Syah; Hartono; M. Khahfi Zuhanda; Arnes Sembiring; Asmah Indrawati; Habib Satria; Iqbal Giffari Ritonga
Dedikasi Sains dan Teknologi (DST) Vol. 5 No. 2 (2025): Artikel Pengabdian Nopember 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v5i2.7875

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan produktivitas dan kemandirian peternak ikan air tawar di Desa Mariendal II melalui penerapan sistem feeder dan monitoring pakan ikan berbasis Internet of Things (IoT). Permasalahan utama mitra meliputi pemberian pakan yang masih dilakukan secara manual, ketidakteraturan jadwal pakan, pemborosan pakan, serta keterbatasan literasi teknologi. Metode pelaksanaan kegiatan menggunakan pendekatan partisipatif yang meliputi tahap persiapan, pelatihan dan implementasi sistem IoT, pendampingan, serta evaluasi. Evaluasi dilakukan menggunakan pre-test dan post-test untuk mengukur peningkatan pemahaman dan keterampilan peserta. Hasil kegiatan menunjukkan peningkatan rata-rata kompetensi peserta sebesar 47%, dengan peningkatan tertinggi pada keterampilan instalasi dan pengoperasian perangkat serta kemampuan membaca hasil monitoring pakan. Nilai effect size yang sangat besar menunjukkan bahwa peningkatan kompetensi dipengaruhi secara signifikan oleh intervensi kegiatan. Selain itu, penerapan sistem feeder otomatis memberikan dampak operasional berupa peningkatan keteraturan pemberian pakan, pengurangan pemborosan pakan, serta efisiensi waktu dan tenaga kerja peternak. Tingginya tingkat keberterimaan teknologi tercermin dari konsistensi penggunaan sistem oleh sebagian besar peserta setelah kegiatan berakhir. Dengan demikian, kegiatan PkM ini membuktikan bahwa penerapan teknologi IoT yang tepat guna dan disertai pendampingan berkelanjutan mampu meningkatkan efisiensi budidaya ikan sekaligus mendorong kemandirian peternak secara berkelanjutan.
DETEKSI BERITA HOAKS BAHASA INDONESIA MENGGUNAKAN KOMBINASI TF-IDF DAN K-NEAREST NEIGHBOR Ari Rizkita; Johanes Terang Kita Perangin Angin; Robet Robet; Octara Pribadi; Iqbal Giffari Ritonga
Jurnal TIMES Vol 15 No 1 (2026): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.15.1.2026933

Abstract

Penyebaran berita hoaks di media digital Indonesia telah menjadi tantangan serius yang mengancam stabilitas sosial dan ketertiban publik. Berdasarkan data Kementerian Komunikasi dan Informatika, jumlah isu hoaks terus meningkat secara signifikan setiap tahunnya, sehingga diperlukan sistem deteksi otomatis yang cepat dan akurat. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis performa kombinasi metode ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) dan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan berita hoaks berbahasa Indonesia. Dataset yang digunakan berjumlah 1.000 entri seimbang yang bersumber dari TurnBackHoax.id sebagai representasi hoaks, serta Antaranews, Kompas, dan Detik sebagai representasi berita valid. Eksperimen dilakukan dengan pembagian data latih dan uji sebesar 80:20 serta pengujian iteratif pada nilai parameter K ganjil (3, 5, 7, 9, dan 11). Hasil penelitian menunjukkan bahwa model mencapai performa maksimal dengan nilai akurasi, presisi, dan recall sebesar 100% pada seluruh skenario nilai K. Hal ini mengindikasikan bahwa pembobotan statistik TF-IDF mampu membedakan pola kosakata antara klarifikasi hoaks dan teks jurnalistik secara sempurna. Kesimpulannya, algoritma KNN terbukti sangat efektif dan efisien secara komputasi untuk digunakan sebagai sistem penyaring misinformasi pada media digital di Indonesia.
Klasifikasi Depresi Menggunakan Analisis Algoritma Random Forest pada Data Kesehatan Mental Iqbal Giffari Ritonga; Hartono; Syaipuddin Syaipuddin; Ari Rizkita
Impression : Jurnal Teknologi dan Informasi Vol. 5 No. 2 (2026): Juli 2026
Publisher : Lembaga Riset Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59086/jti.v5i2.1955

Abstract

Depresi merupakan gangguan kesehatan mental yang dapat menurunkan kualitas hidup dan produktivitas, sehingga deteksi dini diperlukan untuk mendukung pencegahan dan penanganan. Penelitian ini bertujuan mengklasifikasikan depresi menggunakan algoritma Random Forest berdasarkan faktor demografis, gaya hidup, dan kesehatan mental. Dataset terdiri dari 502 data dengan 11 atribut yang dibagi menjadi 401 data latih dan 101 data uji menggunakan train-test split 80:20. Kebaruan penelitian terletak pada analisis feature importance untuk mengidentifikasi faktor dominan dalam prediksi depresi. Hasil menunjukkan Random Forest mencapai akurasi 91,09% dengan precision, recall, dan F1-score yang tinggi pada kedua kelas. Academic Pressure menjadi fitur paling dominan, diikuti suicidal thoughts, usia, jam belajar, kepuasan belajar, dan stres finansial. Confusion matrix juga menunjukkan kesalahan klasifikasi yang rendah, dengan dua kasus false negative. Hasil ini menunjukkan bahwa Random Forest berpotensi mendukung pengembangan sistem deteksi dini depresi berbasis machine learning.   Depression is a mental health disorder that can diminish quality of life and productivity; therefore, early detection is essential to facilitate prevention and intervention. This study aims to classify depression using the Random Forest algorithm, based on demographic, lifestyle, and mental health factors. The dataset consists of 502 entries with 11 attributes, partitioned into 401 training samples and 101 testing samples using an 80:20 train-test split. The novelty of this research lies in its feature importance analysis, which identifies the dominant factors in predicting depression. The results demonstrate that the Random Forest model achieves an accuracy of 91.09%, with high precision, recall, and F1-scores for both classes. "Academic Pressure" emerged as the most dominant feature, followed by "suicidal thoughts," age, study hours, academic satisfaction, and financial stress. The confusion matrix indicates a low rate of misclassification, with only two false negative cases. These findings suggest that the Random Forest algorithm has the potential to support the development of machine learning-based systems for the early detection of depression.    
Implementasi  Naive Bayes untuk Klasifikasi Berita Hoaks pada Media Online Berbasis Web Cindy Paramitha; Iqbal Giffari Ritonga; Syaipuddin
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 5 (2026): Oktober, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/

Abstract

Abstrak - Perkembangan teknologi informasi mempermudah penyebaran informasi, namun juga meningkatkan penyebaran berita hoaks yang dapat menyesatkan masyarakat. Penelitian ini bertujuan membangun sistem klasifikasi berita hoaks berbasis web menggunakan algoritma Multinomial Naive Bayes sebagai alat bantu identifikasi awal berita yang berpotensi hoaks. Dataset diperoleh dari Kaggle dan setelah proses pembersihan terdiri atas 23.709 berita, yang dibagi menjadi 18.967 data latih dan 4.742 data uji dengan perbandingan 80:20. Tahapan penelitian meliputi preprocessing berupa case folding, cleaning, tokenizing, stopword removal, dan stemming, kemudian pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Model dilatih menggunakan data latih dan dievaluasi menggunakan data uji. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 97,34%, dengan F1-score sebesar 97,49% pada kelas hoaks dan 97,18% pada kelas fakta, serta macro-F1 sebesar 97,34%. Sistem yang dikembangkan dapat menerima teks berita dan menampilkan hasil klasifikasi beserta probabilitas prediksi melalui antarmuka berbasis web. Dengan demikian, sistem ini dapat dimanfaatkan sebagai alat bantu penyaringan awal berita yang berpotensi hoaks, bukan sebagai pengganti proses verifikasi fakta. Kata Kunci : Berita Hoaks; Naive Bayes; TF-IDF; Klasifikasi; Web;   Abstract – Advances in information technology have facilitated the dissemination of information but have also increased the spread of hoaxes that may mislead the public. This study aims to develop a web-based hoax news classification system using the Multinomial Naive Bayes algorithm as an initial screening tool for news that may contain hoax information. The dataset was obtained from Kaggle and, after cleaning, consisted of 23,709 news articles, divided into 18,967 training data and 4,742 testing data using an 80:20 ratio. The research stages included preprocessing through case folding, cleaning, tokenization, stopword removal, and stemming, followed by word weighting using Term Frequency-Inverse Document Frequency (TF-IDF). The model was trained using the training data and evaluated using the testing data. The evaluation results showed an accuracy of 97.34%, with an F1-score of 97.49% for the hoax class and 97.18% for the factual class, and a macro-F1 score of 97.34%. The developed system accepts news text and displays the classification result along with the prediction probability through a web-based interface. Therefore, the system can be used as an initial screening tool for news that may contain hoax information, rather than as a substitute for fact-checking. Keywords: Hoax News; Naive Bayes; TF-IDF; Classification; Web;
Co-Authors Ade May Luky Harefa Ari Rizkita Ari Rizkita Arnes Sembiring Asmah Indrawati Bayu Aditya Pratama Cindy Paramitha Dadan Ramdan Dedi Irawan Egi Kurniawan Habib Satria Hartono Hartono Hartono Johanes Terang Kita Perangin Angin Kristine Wau M. Khahfi Zuhanda MARIA BINTANG Mhd Ramadhan Nasaruddin Nur Hasibuan Nasution, Zulaini Masruro Octara Pribadi Peniel Sam Putra Sitorus Pius Deski Manalu Pius Deski Manalu Rahmad B.Y Syah Rahman, Sayuti Rika Rosnelly Robet Robet Sumarno . Syaipuddin Syaipuddin Syaipuddin Syawaluddin Kadafi Parinduri Teresa Tamba