Article Per Year (5 Year)
p-Index From 2020 - 2025
9.438
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Voteteknika (Vocational Teknik Elektronika dan Informatika) Proceedings of KNASTIK Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Pekommas Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Sistemasi: Jurnal Sistem Informasi Jurnal Ilmiah Matrik BAREKENG: Jurnal Ilmu Matematika dan Terapan Matrix : Jurnal Manajemen Teknologi dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) INTECOMS: Journal of Information Technology and Computer Science KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Teknologi Terpadu Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Teknik Informatika (JUTIF) Informatics and Digital Expert (INDEX) Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Jurnal Sosial dan Teknologi Jurnal Locus Penelitian dan Pengabdian Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma J-Icon : Jurnal Komputer dan Informatika IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Enrichment: Journal of Multidisciplinary Research and Development RESLAJ: Religion Education Social Laa Roiba Journal In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Yulison Herry Chrisnanto
Program Studi Informatika, Fakultas Sains Dan Informatika Universitas Jenderal Achmad Yani
Religion Aerospace Engineering Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 79 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 79 Documents
Search

 4   5   6   7   8 
Peramalan Produksi Padi di Kabupaten Bandung Menggunakan Metode Double Moving Average Widiyantoro, Widiyantoro; Chrisnanto, Yulison Herry; Hadiana, Asep Id
Jurnal Sosial Teknologi Vol. 5 No. 9 (2025): Jurnal Sosial dan Teknologi
Publisher : CV. Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jurnalsostech.v5i9.32409

Abstract

Tanaman padi (Oryza sativa L.) memainkan peran krusial dalam menjaga ketahanan pangan di Indonesia, terutama di Kabupaten Bandung yang dikenal sebagai salah satu daerah penghasil padi utama. Variabilitas dalam produksi padi dapat memberikan dampak yang signifikan terhadap ketahanan pangan serta perekonomian lokal. Penelitian ini bertujuan untuk mengumpulkan data mengenai produksi padi di Kabupaten Bandung, menerapkan metode Double Moving Average (DMA), serta membandingkan hasil peramalan yang diperoleh dengan data aktual. Penelitian ini memanfaatkan data historis produksi padi untuk meramalkan hasil produksi di masa depan dengan mempertimbangkan tren serta variasi musiman. Penelitian ini menggunakan metode Double Moving Average (DMA). Pemilihan metode ini didasarkan pada kemampuannya dalam mengelola data yang menunjukkan pola tren jangka panjang. Hasil penelitian menunjukkan bahwa metode DMA menghasilkan akurasi peramalan yang baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,34%, yang mengindikasikan tingkat kesalahan prediksi yang rendah dan dapat diandalkan untuk perencanaan produksi padi. Dalam penelitian ini, hasil ramalan yang diperoleh dari metode DMA akan dibandingkan dengan data aktual untuk menilai efektivitas metode tersebut. Prediksi produksi padi untuk tahun 2024 menunjukkan stabilitas pada level 7,6 juta ton, yang memberikan indikasi positif bagi ketahanan pangan regional. Diharapkan, hasil penelitian ini dapat memberikan kontribusi ilmiah dalam penerapan metode DMA dalam analisis produksi padi, serta memberikan wawasan mengenai penerapan sistem informasi dalam peramalan produksi padi. Temuan ini memiliki implikasi praktis bagi pengambil kebijakan di sektor pertanian untuk melakukan perencanaan distribusi, penetapan harga, dan strategi ketahanan pangan yang lebih efektif.
Klasifikasi Diagnosa Penyakit Tiroid Menggunakan Metode Random Forest Darmawan, Raja; Chrisnanto, Yulison Herry; Abdillah, Gunawan
Jurnal Informatika dan Teknologi Komputer (J-ICOM) Vol 6 No 2 (2025): Jurnal Informatika dan Teknologi Komputer ( J-ICOM)
Publisher : E-Jurnal Universitas Samudra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55377/j-icom.v6i2.10356

Abstract

The thyroid is a vital gland in the human neck, regulating metabolism through its hormones. Hormonal disorders in the thyroid can significantly affect health. Data mining techniques, such as the random forest algorithm, are used to analyze thyroid disease data. Previous research has used methods such as Decision Tree and Support Vector Machine with high accuracy results. This study aims to apply the random forest method in the classification of thyroid disease diagnoses. Research questions include factors that affect accuracy, the effect of parameter changes on the model, and optimal data sharing. The results show that parameters such as the number of decision trees, maximum depth, and minimum number of samples can affect the accuracy of the model. The evaluation showed that the highest accuracy was obtained in the first test with a data split of 80/20 with an accuracy result of 99%. This study concludes that the random forest method is effective in improving the accuracy of thyroid disease diagnosis and the importance of parameter adjustment for optimal results.
Sistem Segmentasi Loyalitas Pelanggan Berbasis Rfm Menggunakan Pam Di Laundry Forten’s Widinastia, Audila Gumanty; Chrisnanto, Yulison Herry; Santikarama, Irma
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 5, No 1 (2021): SEMNAS RISTEK 2021
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v5i1.4990

Abstract

Perkembangan dunia bisnis selalu sejalan dengan perkembangan teknologi informasi yang ada, begitu juga dengan perkembangan bisnis laundry. Bisnis ini menjamur di kota yang banyak terdapat rumah kost dan kontrakan. Pemasalahannya adanya persaingan harga serta layanan yang berbeda disetiap laundry maka pihak laundry harus mengetahui pelanggan yang loyal agar dapat memasang strategi untuk dapat mempertahankan pelanggan lamanya. Tujuan penelitian ini yaitu mengelompokkan pelanggan berdasarkandata pelanggan melalui metode Partitioning Around Medoids menggunakan objek untuk mewakili sebuah cluster. Objek yang terpilih untuk mewakili sebuah cluster disebut medoid. Dengan tabel data awal berjumlah 1089 data yang diambil secara acak melalui normalisasi dan menggunakan Rumus Euclidean Distance. Pada iterasi pertama dengan total jarak terkecil keseluruhan data = 251,40. Pada iterasi kedua dengan total jarak terkecil keseluruhan data = 246,35 serta pada iterasi ke tiga total jarak terkecilkeseluruhan data = 265,87 sehingga dapat disimpulkan bahwa hasil total jarak keseluruhan data lebih besar dari total jarak sebelumnya maka proses iterasi dapat dihentikan. Dengan adanya sistem segmentasi loyalitas pelanggan tersebut pemilik akan mendapatkan kemudahan untuk mengetahui informasi tentang status barang laundry, pelanggan yang loyal dan tidak loyal melalui data pelanggan yang ada pada sistemtersebut berdasarkan perhitungan nilai recency, frequency, monetary pelanggan dengan menggunakan Metode PAM.
STUDENT GRADUATION PREDICTION SYSTEM BASED ON ACADEMIC AND NON-ACADEMIC (EQ) DATA USING C4.5 ALGORITHM Hanafi, Willy; Chrisnanto, Yulison Herry; Ningsih, Ade Kania
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 7 No 1 (2023): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v7i1.272

Abstract

The graduation profile is an important element for higher education accreditation standards. It reflects the performance of the adopted education system within a certain period. The better the profile graduation, the better the value of the accreditation. Some students are unable to complete their studies on time or even fail to complete their studies because they exceed the specified time limit, which is seven years, and it negatively affects institutions' accreditation. To prevent this from happening, it is necessary to know what obstacles that cause these students could not complete their studies on time. by knowing this information, prevention can be done for students who are potentially unable to complete their studies on time. The purpose of this study was to make a system that can predict the graduation timeline and the factors that influence it. The data used was graduation data from undergraduate students majoring in psychology from 2015 to 2017 at a university in Cimahi. The data had a total record of 461 students, 44 subject value attributes, 13 psychotest attributes, and class attributes. We generated the result by using decission tree method with C4.5 algorithm, which produces 90.32% accuracy. The depth of the tree can also influence the accuracy of the algorithm. This study also found that academic and non-academic (EQ) scores can affect students’ graduation time.
Teknik Refactoring untuk Kualitas Usability Sistem Informasi SPP dan Tunggakan SDIT Nuralima Wildah Fatma Lestari; Yulison Herry Chrisnanto; Rezki Yuniarti
Reslaj: Religion Education Social Laa Roiba Journal Vol. 6 No. 8 (2024): RESLAJ: Religion Education Social Laa Roiba Journal 
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/reslaj.v6i8.3388

Abstract

Software development in a system is important to support the efficiency and effectiveness of the system. However, codes and documentation related to software systems are always changing due to problems or the need for improvement. Therefore, software maintenance becomes an important part of software development and management. Refactoring techniques are considered a standard solution that involves improving the design structure of software while maintaining its functionality. The methodology used in this research includes system analysis, code smells, refactoring and system testing. The results of refactoring the internal code of the system make the internal code structure simpler and easier to read so that it will facilitate future development and updates to the system.
OPTIMASI PARAMETER ARTIFICIAL NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA PADA PERAMALAN TOKEN METAVERSE SANDBOX Muhamad Afnan, Zikri; Herry Chrisnanto, Yulison; Hendro Pudjiantoro, Tacbir
Jurnal Locus Penelitian dan Pengabdian Vol. 2 No. 10 (2023): jurnal locus penelitian dan pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v2i10.1733

Abstract

Sandbox (SAND) adalah salah satu token utama dalam ekosistem Metaverse the Sandbox, Harga token sandbox (SAND) sangat dipengaruhi oleh faktor-faktor seperti permintaan, ketersediaan, dan berita terkait proyek, dengan adanya volatilitas yang tinggi dalam harga SAND. Tujuan penelitian ini adalah untuk menganalisis kinerja algoritma genetika dalam mengoptimasi ANN dalam memprediksi harga close (Penutup) token metaverse sandbox. Sistem prediksi harga token metaverse sandbox menggunakan metode optimasi artificial neural network dengan algoritma genetika, untuk melihat fluktuasi harga token sandbox terhadap rupiah di masa yang akan datang. Penelitian yang dilakukan pada data time series nilai tukar Rupiah terhadap token Sandbox periode 14 Agustus 2020 hingga 30 Juni 2023 menggunakan optimasi Artificial Neural Network (ANN) dengan algoritma genetika. Hasil penelitian mengungkapkan bahwa algoritma genetika mampu digunakan untuk menentukan kombinasi parameter terbaik pada ANN dalam melakukan prediksi nilai token Sandbox. Selain itu, pengujian akurasi juga menunjukkan penurunan tingkat error dari RMSE Train 1747 RMSE Test 424 menjadi RMSE Train 1028 RMSE Test 324, mengindikasikan terjadinya peningkatan akurasi dalam sistem prediksi. Penelitian ini dilakukan pada data time series nilai tukar Rupiah terhadap token Sandbox yang mencakup 1052 record dari periode 14 Agustus 2020 hingga 30 Juni 2023 dengan menggunakan optimasi Artificial Neural Network (ANN) melalui algoritma Genetika.
Penggunaan IG dan MI dalam Peningkatan Kinerja Algoritma Naïve Bayes untuk Klasifikasi Penyakit Kardiovaskular Hanief Kuswanto, Muhammad Rafi; Chrisnanto, Yulison Herry; Hadiana, Asep Id
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87693

Abstract

Penyakit Kardiovaskular (PK) merupakan salah satu penyebab utama kematian global, menjadikannya masalah kesehatan yang mendesak. Deteksi dini berbasis data memiliki potensi besar untuk meningkatkan diagnosis, tetapi kualitas prediksi sangat dipengaruhi oleh pemilihan data atribut yang relevan. Meskipun algoritma Naïve Bayes dikenal sederhana dan efisien dalam klasifikasi, kinerjanya sering kali terbatas pada dataset dengan atribut yang tidak relevan atau redundan. Penelitian sebelumnya menunjukkan bahwa Naïve Bayes memiliki akurasi yang lebih rendah dibandingkan algoritma lainnya dalam aplikasi medis. Oleh karena itu, penelitian ini mengeksplorasi potensi Information Gain (IG) dan Mutual Information (MI) sebagai metode seleksi fitur untuk meningkatkan akurasi prediksi PK menggunakan Naïve Bayes. Penggunaan IG dan MI belum banyak diteliti secara mendalam pada dataset medis dengan karakteristik unik seperti missing value, outlier, dan keterhubungan kelas, yang menjadi celah penting dalam penelitian ini. Proses penelitian meliputi transformasi data, seleksi fitur, dan evaluasi model akurasi menggunakan matriks konfusi. Hasil eksperimen menunjukkan bahwa penggunaan IG menghasilkan akurasi rata-rata tertinggi sebesar 88,6% dibandingkan MI dengan rata-rata akurasi 87%. Sementara Naïve Bayes seleksi tanpa fitur hanya mencapai akurasi 80%. Dengan demikian, IG menjadi metode seleksi fitur yang lebih efektif untuk meningkatkan kinerja Naïve Bayes dalam memprediksi PK. Penelitian ini menunjukkan bahwa seleksi fitur berbasis IG dan MI dapat mengurangi kompleksitas model, meningkatkan akurasi, serta mempercepat waktu pemrosesan karena IG maupun MI secara bersama-sama dapat melakukan proses seleksi terhadap fitur yang paling relevan untuk digunakan pada algoritma Naïve Bayes sehingga mampu meningkatkan kinerja dalam mengklasifikasi Penyakit Kardiovaskular.  
IDENTIFYING POTENTIAL CREDIT CARD PAYMENT DEFAULTS USING GMDKNN WITH LOF AS OUTLIER HANDLING Dewi, Liony Puspita; Chrisnanto, Yulison Herry; Yuniarti, Rezki
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 5 (2024): JUTIF Volume 5, Number 5, Oktober 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.5.2341

Abstract

In classifying data, accuracy results are greatly influenced by outliers. The presence of outliers can cause a low level of accuracy in the classification process. The Generalised Mean Distance K-Nearest Neighbor (GMD-KNN) algorithm is a classification technique that shows advantages in terms of flexibility and responsiveness to attribute variations. This research aims to classify credit card data between current and bad payments by handling outliers using the Local Outlier Factor (LOF). The data used is 30,000 credit card transaction data taken from the UCI Machine Learning Repository. This research method uses several stages, namely data collection, data pre-processing carried out to detect and clean outliers with LOF, classification process with GMD-KNN, and evaluation to calculate the accuracy of classification results. As a result, the model shows the best performance at 80%:20% data sharing ratio with k=5 value, achieving 77.60% accuracy, 74.97% precision, 82.57% recall, 78.58% F1-Score, and 77.48% G-Mean.
Analisis Sentimen Komunitas Counter-Strike 2 (CS2) Menggunakan Support Vector Machine (SVM) Riyadi, Saiful Faris; Chrisnanto, Yulison Herry; Abdillah, Gunawan
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8620

Abstract

Counter-Strike 2 (CS2) is a game that has received a lot of enthusiasm from the gaming community since its release. User reviews on the Steam platform are the main source for understanding community sentiment towards this game. This study aims to analyze sentiment towards CS2 reviews using the Support Vector Machine (SVM) method. Data was collected through the Apify platform, then cleaned through processes such as tokenization, stopword removal, and lemmatization. Text features were converted into numerical values using Term Frequency-Inverse Document Frequency (TF-IDF) to be used in the SVM model. The SVM model was used to classify review sentiment into three categories: positive, neutral, and negative. Evaluation was conducted by measuring accuracy, confusion matrix, and classification reports. In the evaluation results, the SVM model using the One-vs-Rest (OVR) approach showed that the model without SMOTE produced an accuracy of 81.95%. After applying the Synthetic Minority Over-sampling (SMOTE) technique to the training data to balance the distribution between classes, the model accuracy increased slightly to 82.18%. This study provides valuable insights for game developers in understanding players' opinions about CS2. Additionally, this study demonstrates the potential of SVM in text-based sentiment analysis on user review platforms.
Prediksi Risiko Kesehatan Mental Mahasiswa Menggunakan Klasifikasi Naive Bayes Sumantri, Fithra Aditya; Chrisnanto, Yulison Herry; Melina, Melina
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8648

Abstract

The mental health of university students is a growing concern as academic, emotional, and social pressures contribute to increased psychological risks. This study aims to classify mental health risk levels Low, Medium, and High among students using the Naïve Bayes classification algorithm. A dataset consisting of 1,000 entries and 11 key variables was utilized, covering academic, psychological, and behavioral factors. The preprocessing stage included data cleaning, label encoding, normalization, and rule-based labeling to determine the target classes. Model training and testing were conducted using stratified data splitting to preserve class distribution. The initial model achieved a classification accuracy of 88,67%, with macro average F1-score of 0.87 and weighted average F1-score of 0.88. Grid Search optimization with k-fold cross-validation was applied but showed no significant improvement, indicating the model was already in optimal configuration. Furthermore, probabilistic analysis revealed that Sleep Quality and Study Stress Level were the most influential features in predicting mental health risks. The findings suggest that Naïve Bayes is effective for multi-class classification with interpretable results. This research contributes to early detection efforts and offers a foundation for targeted interventions in university mental health management.
Co-Authors Adam, Marcellino Ade Kania Ningsih Ade Kania Ningsih Ade Kania Ningsih, Ade Kania Aditya Prakasa Adryansyah Adryansyah Agung Wahana Agus Komarudin Andhika Karulyana Febrian Asep Id Hadianna Asep Saepul Ridwan Ashaury, Herdi Asri Maspupah Azzahra, Cynthia Nur Bania Amburika Benedictus Benny Sihotang Cahyaningrum, Amellia Fahezha Cecep M Zakariya Darmawan, Raja Dewi, Liony Puspita Didik Garbian Nugroho Drl, Indra Raja Eina, Muhammad Fikri Eka Rahmawati Emia Rosta Br. Sebayang Fadilah, Rifal Fahmy Akhmad Firdaus Faiza Renaldi, Faiza Fajar Tresnawiguna Fajri Rakhmat Umbara Fajri Rakhmat Umbara Farhan Naufal Febry Ramadhan Fitaloka, Intan Fuji Astari, Dhea Gerliandeva, Alfin Gita Mahesa Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah Gunawan Abdillah, Gunawan Gunawan Abdullah Gunawan Gunawan Hadiana, Asep Id Haikal, Ahmed Hanafi, Willy Hanief Kuswanto, Muhammad Rafi Hendro Pudjiantoro, Tacbir Herdi Ashaury Herlina Napitupulu Herlinda Padillah Ibadirachman, Rifqi Karunia Id Hadiana , Asep Irma Santikarama Joko Irawan Julian Evan Chrisnanto Kamal, Angga Mochamad Kania Ningsih, Ade Kasyidi, Fatan Kharisma Jevi Shafira Sepyanto Kholidah Syaidah Kukuh Yulion Setia Prakoso Kusumaningtyas, Valentina Adimurti Luthfia Oktasari Mahendra, Lucky Syahroni Melina Melina Melina Melina Melina, Melina Mubarak, Muhammad Munzir Rizkya Muhamad Afnan, Zikri Muhammad Rendy Raihan Mukti Kinani Mulianti, Adhani Musa Asyari Hidayat Jati Nabilla, Ulya Naufal, Farhan Nida Ulhasanah Norizan Mohamed Permana, Hary Permatasari, Nissa Aulia Prawira, Angga Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina, Puspita Nurul Puspo Dewi Dirgantari Putri Alifianti Wiyono, Tiara Putri Eka Prakasawati Raflialdy Raksanagara Rahandanu Rachmat Raja Darmawan Razaki, Adam Rd Muhammad Alfajri Reza Noviandi Rezki Yuniarti Ridwan Ilyas RIDWAN INDRANSYAH Riyadi, Saiful Faris Rizal Dwiwahyu Pribadi Santikarama, Irma Santoso, Enrico Budi Sepyanto, Kharisma Jevi Shafira Siska Vadilah Sukono . Sumantri, Fithra Aditya Taufiq Akbar Herawan Teguh Munawar Ahmad Tiara Rahmawati Umbara, Fajri Rakhmat Valentina Adimurti Kusumaningtyas Wahyu Pratama, Raka Wawan Setiawan Widinastia, Audila Gumanty Widiyantoro, Widiyantoro Wildah Fatma Lestari Wina Witanti Wisnu Uriawan, Wisnu Yosia Oktavian Pailan Zizilia, Regitha