Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Mutiara Elektromedik Journal of Artificial Intelligence and Technology Information Jurnal Komputasi
Muhammad Afdhaluddin
Universitas Lampung
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis dan Peramalan Intensitas Curah Hujan di DKI Jakarta Menggunakan Model ARIMA Sandi Badiwibowo Atim; Muhammad Afdhaluddin
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 1 (2026): Volume 4 Number 1 March 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i1.236

Abstract

Permasalahan curah hujan ekstrem dan dampaknya terhadap sistem perkotaan di DKI Jakarta merupakan isu strategis nasional yang memerlukan penanganan serius hingga tahun 2026. Penelitian ini bertujuan untuk melakukan analisis dan peramalan intensitas curah hujan di DKI Jakarta menggunakan model AutoRegressive Integrated Moving Average (ARIMA) guna mendukung mitigasi risiko banjir dan genangan. Data yang digunakan mencakup periode 2024–2026 yang diolah secara sistematis menggunakan bahasa pemrograman Python. Tahapan metodologi meliputi pra-pemrosesan data melalui agregasi harian, penanganan nilai hilang dengan interpolasi linier, serta identifikasi outlier menggunakan metode Interquartile Range (IQR). Hasil pengujian Augmented Dickey-Fuller (ADF) menunjukkan bahwa data telah bersifat stasioner pada tingkat level (p-value < 0,05). Berdasarkan evaluasi parameter, ARIMA(2,0,1) ditetapkan sebagai model optimal dengan nilai Akaike Information Criterion (AIC) terendah sebesar 745,752. Peramalan untuk horizon 14 hari ke depan menunjukkan pola intensitas yang stabil pada rentang 0,30 mm hingga 0,35 mm. Penelitian ini memiliki signifikansi ilmiah dalam menangkap pola temporal dan tren masa lalu sebagai instrumen pendukung pengambilan keputusan strategis bagi wilayah perkotaan dengan kerentanan hidrometeorologi tinggi.
Komparasi Perceptron dan Regresi Logistik pada Klasifikasi Data Breast Cancer Wisconsin Sandi Badiwibowo Atim; Muhammad Afdhaluddin
Jurnal Komputasi Vol. 14 No. 1 (2026)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v14i1.340

Abstract

Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap dua model klasifikasi dasar dalam machine learning, yaitu Perceptron klasik dan Regresi Logistik, pada tugas klasifikasi data medis menggunakan dataset Breast Cancer Wisconsin (Diagnostic). Dataset yang digunakan terdiri dari 569 sampel dengan 30 fitur numerik yang merepresentasikan karakteristik morfologi sel kanker hasil biopsi, seperti radius, tekstur, perimeter, area, dan smoothness. Penelitian ini diawali dengan tahap pra-pemrosesan data berupa normalisasi menggunakan metode Min-Max Scaling untuk memastikan setiap fitur berada pada rentang skala yang sama sehingga tidak mendominasi proses pembelajaran model. Selanjutnya, data dibagi menggunakan teknik Hold-Out dengan proporsi 80% sebagai data latih dan 20% sebagai data uji. Proses pelatihan dilakukan pada kedua model dengan parameter standar tanpa optimasi lanjutan untuk menjaga objektivitas perbandingan. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score guna memberikan gambaran menyeluruh terhadap performa klasifikasi, khususnya dalam konteks data medis yang sensitif terhadap kesalahan prediksi. Hasil penelitian menunjukkan bahwa Regresi Logistik memperoleh performa lebih tinggi dengan akurasi sebesar 96,49%, dibandingkan Perceptron klasik yang mencapai 93%. Temuan ini mengindikasikan bahwa pendekatan probabilistik pada Regresi Logistik lebih efektif dalam memodelkan hubungan antar fitur numerik dan menghasilkan batas keputusan yang lebih stabil pada klasifikasi kanker payudara. Kata Kunci: breast cancer; klasifikasi; logistic regression; machine learning; perceptron;
PERANCANGAN DAN IMPLEMENTASI SISTEM PENGHITUNG TETESAN CAIRAN INFUS BERBASIS NODE MCU Istiana Ruswita; Muhammad Afdhaluddin; Wahyudi Syaputra
JURNAL MUTIARA ELEKTROMEDIK Vol. 9 No. 1 (2025): Jurnal Mutiara Elektromedik
Publisher : Prodi Teknik Elektromedik Universitas Sari Mutiara Indonesia

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

Abstract

Infusion pump merupakan perangkat medis kategori life support yang berfungsi mengalirkan cairan atau obat ke tubuh pasien dengan laju aliran (flow rate) yang terkontrol. Mengingat keterbatasan tenaga medis dalam memantau secara manual, diperlukan alat otomatis yang mampu menghitung volume cairan dan mengatur waktu pemberian secara presisi. Penelitian ini menggunakan pendekatan desain instrumen pada alat infusion pump. Hasil pengujian menunjukkan adanya selisih antara nilai pengaturan dan hasil aktual, yaitu 0,005% untuk 20 tts/jam, 0,25% untuk 40 tts/jam, dan 0,16% untuk 60 tts/jam. Selisih ini dipengaruhi oleh akurasi komponen dan penyempurnaan sistem pemrograman. Oleh karena itu, disarankan agar perancang alat, khususnya di bidang elektromedis, lebih memperhatikan pemilihan komponen dan standar prosedur teknis agar alat yang dikembangkan memenuhi standar klinis dan keselamatan pasien.
Co-Authors Istiana Ruswita Sandi Badiwibowo Atim Wahyudi Syaputra