Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi
Asep Budiman Kusdinar
Universitas Muhammadiyah Sukabumi, Indonesia
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Finite State Machine pada Gamifikasi Edukasi Literasi Gizi Berbasis Android Faisal Triaputra; Asep Budiman Kusdinar; Agung Pambudi
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16862

Abstract

Pencapaian tujuan Program Makan Bergizi Gratis (MBG) menuntut pemahaman siswa terhadap nutrisi makanan yang mereka konsumsi. Proses edukasi yang monoton sering kali menjadi kendala dalam meningkatkan literasi gizi siswa sekolah dasar. Penelitian ini membangun media gamifikasi literasi gizi berbasis Android bernama NutriVo dengan memanfaatkan algoritma Finite State Machine (FSM) dan pendekatan Game Development Life Cycle (GDLC). Aplikasi ini menghadirkan dua minigame edukasi, yaitu Nutri Dash dan Quiz Battle, serta fitur peningkatan level karakter yang mengonversi data nutrisi MBG. Konversi ini mengubah protein menjadi Health Point, karbohidrat beserta energi menjadi Power, dan serat menjadi Stamina. Tiga diagram state FSM mengatur alur logika minigame dan peningkatan karakter secara deterministik. Pengujian User Acceptance Testing (UAT) pada 17 siswa kelas 5 SDN Cisuda menghasilkan predikat Sangat Baik untuk fungsionalitas dan kemudahan penggunaan. Pengujian pre-test dan post-test menunjukkan peningkatan nilai rata-rata dari 40,00 menjadi 88,24, dengan rerata N-Gain Score 0,81 berkategori Tinggi. Hasil ini membuktikan peran NutriVo dalam mendorong peningkatan literasi gizi siswa penerima Program Makan Bergizi Gratis.   Kata Kunci - Gamifikasi, Literasi Gizi, NutriVo, Finite State Machine, Program Makan Bergizi Gratis
Pendekatan Random Forest untuk Klasifikasi Tingkat Burnout Mahasiswa Berdasarkan Pola Aktivitas Harian Tanaya Salsabila Arliansyah; Asep Budiman Kusdinar; Asriyanik Asriyanik
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16989

Abstract

Burnout akademik merupakan kondisi kelelahan fisik, emosional, dan mental akibat tingginya tuntutan kuliah yang dapat menurunkan motivasi serta kualitas hidup mahasiswa. Oleh karena itu, diperlukan pendekatan yang mampu memberikan indikasi awal tingkat burnout secara lebih cepat dan objektif. Penelitian ini bertujuan membangun sistem klasifikasi tingkat burnout mahasiswa berdasarkan pola aktivitas harian menggunakan algoritma Random Forest dengan kerangka CRISP-DM. Data penelitian diperoleh melalui kuesioner daring dari 1.026 mahasiswa Universitas Muhammadiyah Sukabumi. Variabel prediktor meliputi jam tidur, waktu istirahat, intensitas screen time, keteraturan pola tidur, dan beban akademik, dengan target klasifikasi tingkat burnout rendah, sedang, dan tinggi. Tahap prapengolahan data meliputi transformasi data, pelabelan, penanganan class imbalance menggunakan SMOTE, serta hyperparameter tuning menggunakan GridSearchCV. Model divalidasi menggunakan Stratified K-Fold Cross-Validation dan dievaluasi dengan pembagian data 80:20. Hasil penelitian menunjukkan bahwa model Random Forest memperoleh akurasi 88,83%, dengan nilai weighted average precision, recall, dan F1-score masing-masing 0,89. Model berhasil diimplementasikan ke dalam aplikasi berbasis web menggunakan Hugging Face untuk memberikan indikasi awal tingkat burnout mahasiswa. Hasil tersebut menunjukkan bahwa algoritma Random Forest memiliki performa yang baik dalam mengklasifikasikan tingkat burnout.   Kata Kunci - Burnout Akademik, Klasifikasi, Machine Learning, Pola Aktivitas Harian, Random Forest  
Co-Authors Agung Pambudi Asriyanik Asriyanik Faisal Triaputra Tanaya Salsabila Arliansyah