Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Agroteknologi Pertanian dan Publikasi Riset Ilmiah (JAPPRI) Jurnal Nasional Komputasi dan Teknologi Informasi
Eliyin
Universitas Gajah Putih
Agriculture, Biological Sciences & Forestry

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

Found 3 Documents
Search

 1 
Sistem Tracing Siswa Berpotensi Berisiko Putus Sekolah Menggunakan Metode K-Means Ira Zulfa; Richasanty Septima; Eliyin; Pitri Indriani
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 3 (2026): Juni, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/a6rttj16

Abstract

Abstrak - Sebagian besar masalah akademik di lembaga pendidikan tinggi disebabkan oleh mahasiswa yang diberhentikan dari status kemahasiswaannya atau putus kuliah (DO) sebelum menyelesaikan program sarjana. Universitas Gajah Putih adalah universitas dengan banyak calon mahasiswa yang putus kuliah (DO) hampir setiap tahun. Faktor yang menyebabkan putus kuliah adalah mahasiswa tidak mampu memenuhi tujuan SKS (Sistem Kredit Semester) atau IPK yang ditentukan oleh lembaga pendidikan tinggi dalam jangka waktu tertentu. Lama masa studi (selisih antara tahun mahasiswa mulai dan tahun mereka menyelesaikan studi yang lebih dari 4 - 7 tahun). Data mining adalah teknik pemecahan masalah yang menggunakan data untuk membangun model atau pola untuk mengklasifikasikan dan menganalisis data mahasiswa putus kuliah. Metode penelitian: Analisis Literatur, Pengumpulan Data (Observasi, Sampling), Analisis Data, Pengolahan Data. Aplikasi bantu, yaitu aplikasi Anaconda Navigator dan perangkat lunak di dalamnya, yaitu Jupyter Notebook sebagai editor teks untuk bahasa pemrograman Python dalam memproses program untuk menganalisis jumlah mahasiswa yang berpotensi putus kuliah menggunakan metode K-means di Universitas Gajah Putih. Dengan menggunakan metode K-Means, dimungkinkan untuk menganalisis hasil pengelompokan data, terdapat 231 data siswa yang berpotensi putus sekolah dan 102 data siswa yang tidak berpotensi putus sekolah. Kata kunci : Data mining; K-Means; Drop out; Abstract - The majority of academic problems in tertiary institutions are caused by students who are dismissed from their student status or drop out (DO) before completing the undergraduate program. Gajah Putih University is a university with many prospective students who drop out (DO) almost every year. The factor that dropped out was that students did not because they were able to meet the SKS (Semester Credit System) objectives or the GPA determined by the tertiary institution within a certain period of time. Length of study period (difference between the year students start and the year they complete studies that is longer than 4 - 7 years). Data mining is a problem solving technique that uses data to build models or patterns to classify and analyze drop out student data. Research methods: Literary Analysis, Data Collection (Observation, Sampling), Data Analysis, Data Processing. an auxiliary application, namely the Anaconda Navigator application and the software inside, namely Jupyter Notebook as a text editor for the Python programming language in processing programs to analyze looking for the number of students who have the potential to drop out using the K-means method at Gajah Putih University. By using the K-Means method, it is possible to analyze the results of grouping data, there are 231 student data that have the potential to drop out and 102 student data that do not have the potential to drop out. Keywords: Data mining; K-Means; Drop out;
Pengembangan Perangkat Lunak Berbasis Cloud Computing dengan Metodologi Scrum Ira Zulfa; Richasanty Septima; Eliyin
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.214

Abstract

Abstrak - Penelitian ini bertujuan untuk menggabungkan fleksibilitas infrastruktur Cloud Computing dengan ketangkasan metodologi Scrum dalam proses pengembangan perangkat lunak. Masalah utama yang diangkat adalah ketidakstabilan performa tim dan kompleksitas dalam pengelolaan sumber daya pada infrastruktur tradisional. Dengan menggunakan pendekatan kuantitatif, data mentah diolah melalui teknik normalisasi Min-Max dan Z-Score untuk menciptakan parameter evaluasi yang objektif. Hasil penelitian menunjukkan bahwa sinergi ini meningkatkan produktivitas tim sebesar 25% dengan rata-rata uptime sistem mencapai 99,8%. Selain itu, model prediktif yang dikembangkan menggunakan Python berhasil mencapai tingkat akurasi sebesar 88% dalam memproyeksikan keberhasilan Sprint. Hal ini memungkinkan pengambilan keputusan berbasis data (data-driven) untuk mitigasi risiko teknis secara proaktif. Kesimpulannya, penggabungan ekosistem cloud dan kerangka kerja Scrum tidak hanya mempercepat siklus rilis produk, tetapi juga memastikan transparansi dan stabilitas kualitas perangkat lunak yang dikembangkan. Dokumentasi seluruh proses dan kode program disediakan melalui repositori terbuka untuk mendukung pengembangan riset di masa depan. Kata kunci : Cloud Computing; Metodologi Scrum; Normalisasi Data; Model Prediktif; Abstract - This study seeks to integrate the adaptable nature of Cloud Computing infrastructure with the agile characteristics of Scrum methodologies in the software development process. The core issue addressed involves performance instability within teams and complexities in managing resources within traditional infrastructure setups. Employing a quantitative research approach, raw data is processed through Min-Max and Z-Score normalization techniques to establish objective evaluation parameters. The research findings indicate that this synergy enhances team productivity by 25%, with the average system uptime reaching 99.8%. Furthermore, a predictive model developed using Python achieved an accuracy rate of 88% in forecasting Sprint success. This enables data-driven decision-making for the proactive mitigation of technical risks. In conclusion, the fusion of cloud ecosystems and the Scrum framework not only accelerates product release cycles but also ensures transparency and stability in the quality of the software developed. Documentation of the entire process and program code is provided through an open repository to support future research development. Keywords: Cloud Computing; Scrum Methodology; Data Normalization; Predictive Model;
Carbon Smart Agroforestry: Kopi Gayo sebagai Solusi Rehabilitasi Pasca Bencana Hidrometeorologi Budiyono Budiyono; Fauzi U; Rusli; Idham N; Eliyin
Jurnal Agroteknologi Pertanian & Publikasi Riset Ilmiah Vol 8 No 2 (2026): Juli : Jurnal Agroteknologi  Pertanian dan Publikasi Riset Ilmiah
Publisher : Universitas Gajah Putih

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55542/3bfg2757

Abstract

Penelitian ini mengkaji efektivitas Model Carbon Smart Agroforestry berbasis kopi Gayo sebagai strategi rehabilitasi pasca bencana, mitigasi iklim, dan penguatan ekonomi hijau berbasis kelembagaan lokal. Sistem agroforestri multistrata kopi–pinus–aren–kapulaga terbukti meningkatkan fungsi ekologis dengan rata-rata tutupan vegetasi mencapai 71%, laju infiltrasi tanah 18,4 mm/jam, serta penurunan erosi hingga 40% dibandingkan monokultur kopi. Kapasitas serapan karbon tercatat 12–15 ton CO?/ha/tahun dengan cadangan karbon total 52 ton C/ha (?190 ton CO?e/ha), yang berpotensi dikonversi menjadi carbon credit komunitas senilai US$ 18.000–20.000/tahun pada luasan ±200 ha. Dari sisi ekonomi, diversifikasi kopi, aren, dan kapulaga menghasilkan pendapatan rata-rata Rp 100 juta/ha/tahun dengan arus kas berlapis yang memperkuat ketahanan rumah tangga dan mempercepat pencapaian titik impas usaha. Aspek sosial menunjukkan partisipasi aktif ?200 petani, pembentukan dua koperasi agroforestri berbasis adat, serta peran kelembagaan lokal (Sarak Opat) dalam menjaga legitimasi sosial, koordinasi teknis, pemasaran, dan pengawasan tata ruang. Secara keseluruhan, hasil penelitian ini menegaskan bahwa Carbon Smart Agroforestry berbasis kopi Gayo merupakan model integratif yang mampu memulihkan ekologi, meningkatkan serapan karbon, memperkuat ekonomi hijau, dan menegakkan legitimasi sosial berbasis kelembagaan lokal. Model ini relevan untuk mendukung pencapaian FOLU Net Sink 2030 dan target SDGs 13 (Climate Action) serta SDGs 15 (Life on Land), sekaligus membuka peluang integrasi komunitas lokal ke dalam pasar karbon global
Co-Authors Budiyono Budiyono Fauzi U Idham N ira zulfa Pitri Indriani Richasanty Septima Rusli