Dr. Mitra Unik, S.Kom., M.Kom
Dr. Mitra Unik, S.Kom., M.Kom Lektor / Dosen Tetap Teknik Informatika • Universitas Muhammadiyah Riau
FAKULTAS ILMU KOMPUTER UMRI

Membuka kesempatan kolaborasi riset AI, NLP Bahasa Melayu Riau, dan bimbingan skripsi mahasiswa.

Ajukan Kolaborasi arrow_forward
verified Lektor / Dosen Tetap Teknik Informatika

Mendedikasikan Riset Kecerdasan Buatan untuk Kemaslahatan Masyarakat Riau.

Dosen dan Peneliti di Program Studi Teknik Informatika, Universitas Muhammadiyah Riau (UMRI). Berfokus pada riset Spatio-Temporal Data Mining, Machine Learning, Prediksi Kualitas Udara (PM2.5) & Mitigasi Kebakaran Hutan Lahan Gambut, serta Internet of Things (IoT) dan Digitalisasi BUMDes. Memiliki rekam jejak publikasi ilmiah internasional terindeks Scopus, Web of Science, dan Google Scholar dengan lebih dari 300 sitasi.

305+
Sitasi Scholar
9
h-Index Scholar
596
SINTA Score
49
Total Publikasi
Dr. Mitra Unik, S.Kom., M.Kom
school
Dr. Mitra Unik, S.Kom., M.Kom NIDN: 1014118802 • UMRI
UMRI
science Karya Penelitian

Publikasi Unggulan Terkini

Lihat Semua Penelitian arrow_forward
Knowledge Management System for Forest and Land Fire Mitigation in Indonesia: A Web-Based Application Development
Jurnal Ilmiah
2024
psychology Computer Science & Rekayasa Perangkat Lunak

Knowledge Management System for Forest and Land Fire Mitigation in Indonesia: A Web-Based Application Development

menu_book Jurnal Manajemen Hutan Tropika (JMHT), Vol. 30 No. 1 - Scopus Q3
group Dr. Mitra Unik, S.Kom., M.Kom, Siti Nurhaliza, Dedi Hendra

Pengembangan sistem manajemen pengetahuan (KMS) berbasis arsitektur web modern untuk mendukung mitigasi bencana kebakaran hutan dan lahan (karhutla) di Indonesia. Platform ini memfasilitasi integrasi basis pengetahuan, SOP pemadaman, data geospasial titik rawan, dan kolaborasi antar-satgas penanggulangan karhutla.

Stacking Regressor Model for PM2.5 Concentration Prediction Based on Spatiotemporal Data
Jurnal Ilmiah
2024
psychology Spatio-Temporal Data Mining

Stacking Regressor Model for PM2.5 Concentration Prediction Based on Spatiotemporal Data

menu_book International Journal of Advanced Computer Science and Applications (IJACSA), Vol. 15 No. 12 - Scopus Q3 / WoS
group Dr. Mitra Unik, S.Kom., M.Kom, Taufiq Ridwan, Nanda Kurniawan

Pengembangan model Stacking Regressor mutakhir untuk estimasi konsentrasi partikel polutan PM2.5 dengan memadukan data spasial dan temporal dari stasiun pemantau ISPU darat serta data satelit atmosfer. Hasil eksperimen menunjukkan penurunan nilai RMSE dan MAE yang signifikan dibanding model regresi konvensional.

Application of Random Forest Algorithm to Analyze the Confidence Level of Forest Fire Hotspots in Riau Peatland
Jurnal Ilmiah
2024
psychology Machine Learning & AI

Application of Random Forest Algorithm to Analyze the Confidence Level of Forest Fire Hotspots in Riau Peatland

menu_book Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan (JPSL), Vol. 14 No. 2 - Scopus Indexed
group Dr. Mitra Unik, S.Kom., M.Kom, M. Fadhil Ramadhan, Rian Hidayat

Analisis tingkat kepercayaan (confidence level) titik panas (hotspot) kebakaran hutan dan lahan gambut di Provinsi Riau dengan memanfaatkan algoritma Random Forest. Penelitian ini mengolah data sensor satelit MODIS/VIIRS untuk menyaring false-alarm titik api sehingga meningkatkan efektivitas respon pemadaman darat.

Kolega & Mahasiswa Bimbingan

Testimoni & Refleksi Kerjasama

“Dr. Mitra Unik memiliki ketajaman analitis yang luar biasa dalam membedah data dan merumuskan hipotesis baru di bidang AI. Publikasi bersama kami di IEEE Access membuktikan komitmen tinggi beliau terhadap mutu sains berk...”

Prof. Dr. Ir. Syahril Efendi, M.Sc. Guru Besar Fakultas Ilmu Komputer dan Teknologi Informasi

“Bimbingan bersama Pak Dr. Mitra Unik adalah titik balik karir riset saya. Beliau tidak hanya memeriksa metodologi secara teliti, tetapi selalu memotivasi kami untuk berani mengirimkan artikel ke prosiding IEEE internasio...”

M. Faiz Ramadhan, S.Kom. Machine Learning Engineer di FinTech Jakarta (Alumni Informatika UMRI 2022)
check_circle
Berhasil Tindakan telah berhasil dijalankan.