Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Teknika
Sulyono Sulyono
Informatics and Business Institute Darmajaya
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
Aplikasi Pengelolaan Data Profil dan Konsentrasi Dosen Hariyanto Wibowo; Sulyono Sulyono; Sri Lestari; Thesa Miranda
TEKNIKA Vol. 14 No. 2 (2020): TEKNIKA
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.13362499

Abstract

The success of the education process is strongly influenced by the quality of human resources, in this case lecturers as educators. While each lecturer has the potential, expertise, qualifications, competency profile and experience that sometimes varies between one lecturer and another. Therefore the management of profile and concentration data is very much needed so that the department can know with certainty the abilities possessed by the lecturer. In the Department of Informatics the management of lecturer profile and concentration data has not been well managed. so this research proposes the Application of Data Management Profile and Concentration of Lecturers in the Informatics Engineering Department IIB Darmajaya by using a system development method that is prototype. The results of this study are expected to be utilized appropriately for policy making, both in terms of determining lecturers, lecturers, and determining membership peer group research, and also for filling accreditation form data and for display on the web of the Department of Informatics.
Integrasi Haar Cascade dan FaceNet pada Sistem Presensi Web Hibrida Muhammad Ikhwan Cahyadi; Sulyono Sulyono
TEKNIKA Vol. 20 No. 3 (2026): TEKNIKA
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36257/teknika.v20i3.11909

Abstract

Sistem presensi konvensional di MTs Nurul Falah masih rentan terhadap manipulasi data, seperti praktik titip absen, dan lambatnya rekapitulasi kehadiran bagi guru maupun siswa. Penelitian ini mengusulkan kebaruan berupa integrasi algoritma deteksi wajah Haar Cascade dan ekstraksi fitur FaceNet512 yang diterapkan pada arsitektur web hibrida (PHP dan Python) untuk memecahkan permasalahan tersebut. Pengujian fungsional sistem dilakukan menggunakan metode Black Box Testing, sementara evaluasi performa diukur menggunakan Confusion Matrix pada berbagai kondisi pencahayaan dan pose wajah. Pengujian dilakukan menggunakan sampel data simulasi yang terdiri dari wajah pengguna terdaftar (peneliti) dan wajah orang asing, dengan total 10 skenario percobaan. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi pengenalan keseluruhan sebesar 77,8%, dengan performa paling optimal (90%) saat mendeteksi posisi wajah frontal dan pencahayaan normal. Implementasi sistem ini terbukti efektif dalam mencegah kecurangan manipulasi identitas dan mempercepat proses administrasi kehadiran secara real-time.
Model Sistem Rekomendasi Dosen Pembimbing Skripsi Menggunakan Algoritma Naïve Bayes Berdasarkan Klasifikasi Topik Penelitian Sulyono Sulyono; Depi Rahma Wati
TEKNIKA Vol. 20 No. 3 (2026): TEKNIKA
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36257/teknika.v20i3.11938

Abstract

Penentuan dosen pembimbing skripsi yang sesuai dengan topik penelitian mahasiswa merupakan faktor penting dalam menunjang kelancaran penyusunan skripsi. Penelitian ini bertujuan membangun sistem rekomendasi dosen pembimbing skripsi berbasis web-mobile menggunakan algoritma Multinomial Naïve Bayes. Sistem mengklasifikasikan kesesuaian topik skripsi mahasiswa berbasis data teks publikasi ilmiah dosen sebagai representasi bidang keahliannya. Penelitian ini memanfaatkan korpus data berupa 397 artikel ilmiah dari 15 dosen kandidat serta 81 judul skripsi mahasiswa sebagai data uji. Teks diolah melalui tahap case folding, tokenization, stopword removal, stemming, dan pembobotan Laplace smoothing untuk menghitung nilai posterior probability sebagai dasar perankingan rekomendasi kandidat dosen. Evaluasi fungsional melalui uji Black Box mengonfirmasi bahwa seluruh fungsi sistem berjalan dengan baik. Sementara itu, evaluasi model menggunakan confusion matrix menghasilkan nilai Accuracy sebesar 84,83%, Precision 86,18%, Recall 84,08%, dan F1-Score 85,11%. Pengujian Top-N Accuracy terhadap data penugasan aktual yang divalidasi oleh Ketua Program Studi Informatika menunjukkan akurasi Top-1 sebesar 84,83%, Top-3 sebesar 93,83%, dan Top-5 sebesar 97,53%. Hasil ini membuktikan bahwa algoritma Multinomial Naïve Bayes mampu memberikan rekomendasi dosen pembimbing secara otomatis dan akurat untuk mendukung pengambilan keputusan program studi.
Co-Authors Depi Rahma Wati Hariyanto Wibowo Muhammad Ikhwan Cahyadi Sri Lestari Thesa Miranda