Article Per Year (5 Year)
p-Index From 2020 - 2025
7.351
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal CoreIT JTERA (Jurnal Teknologi Rekayasa) Techno Nusa Mandiri : Journal of Computing and Information Technology PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer Journal of Information System, Applied, Management, Accounting and Research Jurnal Tekno Kompak Jurnal Ilmiah Ilmu dan Teknologi Rekayasa ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat Bulletin of Information Technology (BIT) Melek IT: Information Technology Journal Indonesian Community Journal CONSEN: Indonesian Journal of Community Services and Engagement Internet of Things and Artificial Intelligence Journal Jurnal Ilmiah Pengabdian Kepada Masyarakat Room of Civil Society Development SEMNASTERA (Seminar Nasional Teknologi dan Riset Terapan) Jurnal Sistem Informasi Galuh Jurnal Rekayasa Sistem Informasi dan Teknologi Sainteks: Jurnal Sain dan Teknik ABDIKOM Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Computer and Technology Engineering: Journal of Mechatronics and Education Journal of Blockchain, Nfts and Metaverse Technology Expert Net: Exploration Journal of Technological Education Trends Inventor: Jurnal Inovasi dan Tren Pendidikan Teknologi Informasi Room of Civil Social Development
Dwi Vernanda
Politeknik Negeri Subang
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Nursing Physics Public Health Social Sciences Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Jurnal Tekno Kompak

 1 
Non-Destructive Classification Model of Pineapple Sweetness Level Purnawan, Nunu Nugraha; Vernanda, Dwi; Apandi, Tri Herdiawan; Niqotaini, Zatin
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4707

Abstract

This research focuses on the development of a non-destructive classification model for determining the sweetness level of pineapples using Internet of Things (IoT) technology and the K-Nearest Neighbor (KNN) algorithm. The main goal of this study is to assess the sweetness of pineapples without damaging the fruit, which is a common issue in traditional sweetness measurement methods, such as using a refractometer that requires pineapple juice. Subang Regency was selected as the sampling location because it is one of the largest pineapple-producing areas in West Java. There are three primary markets for pineapple distribution in the region: supermarkets, processing industries, and traditional markets, each with different sweetness standards.A total of 500 pineapples were used in this study, with 450 samples used for training data and 50 samples for testing data. The research utilized a TCS230 color sensor connected to an Arduino Uno R3 to capture RGB data from the pineapple skin at a specific distance. The RGB values obtained were then processed using the KNN algorithm to predict the sweetness level of pineapples based on Brix categories: high (14-17 Brix), medium (10-13 Brix), and low (<10 Brix).After acquiring the RGB values, the data was processed to produce a valid classification of the pineapple's sweetness level. Testing was conducted using a confusion matrix, which provided metrics such as accuracy, precision, and recall. The results showed that the developed KNN model successfully classified pineapples with an accuracy of 72%, meaning that the majority of predictions made by the model matched the actual sweetness level of the pineapples.This non-destructive approach offers significant advantages over traditional methods, as it not only preserves the integrity of the pineapple but also improves efficiency in terms of time and resources. The use of IoT technology and machine learning, such as KNN, has proven to provide a more practical and accurate solution for farmers and industry players in maintaining pineapple quality and enhancing the efficiency of distribution to various markets.
Analisis Kelayakan Penurunan UKT Pada Mahasiswa dengan Menggunakan Metode Decision Tree Nurizati, Zahrani; hidayat, Arif; Vernanda, Dwi; Hendriawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3419

Abstract

Abstrak− Indonesia mengalami peningkatan permintaan akan pendidikan tinggi, yang diiringi oleh tantangan terkait keterjangkauan pendidikan. Penelitian ini mengkaji kelayakan penurunan biaya kuliah bagi mahasiswa melalui penerapan metode Decision Tree. Penelitian ini berfokus pada penilaian faktor-faktor yang memengaruhi kelayakan mahasiswa untuk mendapatkan penurunan biaya kuliah, yang pada akhirnya akan meningkatkan aksesibilitas pendidikan tinggi. Metode Decision Tree digunakan sebagai alat analisis yang kuat untuk memodelkan dan menganalisis proses pengambilan keputusan yang kompleks dalam menentukan kelayakan penurunan Uang Kuliah Tunggal (UKT). Dataset yang digunakan untuk analisis melibatkan berbagai faktor sosio-ekonomi, indikator kinerja akademis, dan informasi demografis mahasiswa. Melalui pembuatan model Decision Tree, penelitian ini bertujuan untuk mengidentifikasi kriteria utama yang secara signifikan memengaruhi keputusan untuk menurunkan biaya kuliah. Temuan analisis mengungkapkan wawasan penting tentang faktor-faktor yang memengaruhi kelayakan penurunan UKT. Model Decision Tree memberikan hierarki variabel yang jelas, memungkinkan para pemangku kepentingan untuk memprioritaskan dan fokus pada faktor-faktor yang paling berpengaruh. Pendekatan ini membantu dalam pengambilan keputusan yang terinformasi mengenai penurunan biaya kuliah, memastikan manfaatnya ditujukan kepada mahasiswa yang benar-benar membutuhkan bantuan keuangan. Penelitian ini tidak hanya berkontribusi pada diskursus akademis mengenai proses pengambilan keputusan di lembaga pendidikan, tetapi juga memberikan implikasi praktis bagi pembuat kebijakan, universitas, dan mahasiswa. Dengan memanfaatkan metode Decision Tree, institusi dapat menerapkan sistem yang adil dan transparan untuk menentukan kelayakan penurunan biaya kuliah, meningkatkan inklusivitas, dan mengatasi disparitas sosio-ekonomi dalam mengakses pendidikan tinggi. Sebagai kesimpulan, penelitian ini menyajikan analisis komprehensif tentang kelayakan penurunan biaya kuliah bagi mahasiswa di Indonesia. Metode Decision Tree terbukti menjadi alat yang efektif dalam memahami proses pengambilan keputusan yang rumit dan memfasilitasi pengembangan pendekatan yang terarah dan adil untuk meringankan beban keuangan mahasiswa, sehingga meningkatkan aksesibilitas dan keterjangkauan pendidikan tinggi. Kata Kunci: Biaya Kuliah, Decision Tree, Pohon Keputusan, Uang Kuliah Tunggal (UKT)
Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma C4.5 di Politeknik Negeri Subang Ramadhani, Amelia; Noor, Reza Fazarany; Vernanda, Dwi; Herdiawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3439

Abstract

Abstrak− Penelitian ini dimulai dengan memperkenalkan konteks masalah, yaitu tingkat keberhasilan dan kegagalan mahasiswa di perguruan tinggi, khususnya di Politeknik Negeri Subang. Kegagalan mahasiswa, yang dapat menyebabkan drop out, menjadi fokus utama karena dapat mempengaruhi mutu pendidikan dan akreditasi perguruan tinggi. Politeknik Negeri Subang, didirikan pada tahun 2014, memiliki jurusan Teknologi Informasi dan Komputer dengan program studi Sistem Informasi (SI). Data mahasiswa SI untuk tahun akademik 2022/2023 menjadi dasar penelitian ini. Tingkat keberhasilan mahasiswa menjadi tantangan di lingkungan perguruan tinggi yang sangat kompetitif. Identifikasi faktor penyebab kegagalan mahasiswa di Politeknik Negeri Subang menjadi kunci untuk mengatasi tantangan ini dan terus meningkatkan kualitas pendidikan. Buku panduan akademik Politeknik Negeri Subang membagi alasan drop out menjadi tiga poin utama, termasuk nilai indeks prestasi semester, jumlah SKS, dan nilai akademik. Penelitian ini bertujuan untuk melakukan klasifikasi pada kasus drop out menggunakan algoritma C4.5 guna mengidentifikasi faktor yang paling berpengaruh. Dalam konteks ini, data mining, khususnya metode klasifikasi dengan algoritma C4.5, dianggap sebagai pendekatan yang efektif untuk menganalisis data mahasiswa yang berpotensi drop out. Penelitian ini juga merujuk pada penelitian terdahulu yang menggunakan algoritma C4.5 untuk klasifikasi mahasiswa berpotensi drop out. Selanjutnya, penelitian ini menetapkan lima atribut sebagai variabel independen, yaitu IPK, SKS, jenis tempat tinggal, jenis transportasi, dan status mahasiswa. Metode penelitian mencakup beberapa tahap, termasuk pengumpulan data dari Sistem Informasi Akademik (SIAKAD) Politeknik Negeri Subang, praproses data, pembagian data menjadi data training dan data testing, serta klasifikasi data menggunakan algoritma Decision Tree C4.5. Penelitian ini mengambil data mahasiswa tahun akademik 2022/2023 dengan total 976 data. Proses praproses data melibatkan data selection, data cleaning, dan data transformation. Setelah pembagian data, dilakukan klasifikasi menggunakan algoritma Decision Tree C4.5. Penelitian ini mengevaluasi performa model dengan menggunakan data testing dan menghasilkan confusion matrix. Hasil evaluasi menunjukkan akurasi sebesar 98.50%, dengan precision untuk Drop Out dan Tidak Drop Out masing-masing 93.18% dan 100.00%. Recall dari data Drop Out dan Tidak Drop Out adalah 64.44% dan 100.00%. Pohon keputusan merupakan output dari penelitian ini, yang dapat memberikan pemahaman lebih lanjut mengenai faktor-faktor yang mempengaruhi mahasiswa drop out. Penelitian ini diharapkan dapat memberikan kontribusi positif dalam upaya mengurangi angka drop out di Politeknik Negeri Subang dan perguruan tinggi pada umumnya.Kata Kunci: Drop Out, Data Mining, Algoritma C4.5, Decision Tree, Kualitas Pendidikan
Penerapan Algoritma C4.5 dan Metode 360 Derajat Pada Sistem Informasi Penilaian Karyawan Asyhari, Mugia Rochmat; Alijoyo, Franciskus Antonius; Vernanda, Dwi
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3215

Abstract

Abstrak−Karyawan merupakan aset penting dalam suatu perusahaan, penilaian kinerja karyawan yang tepat dan efektif berperan untuk membantu manajemen dalam mengidentifikasi kekuatan dan kelemahan karyawan serta dapat mengembangkan program pengembangan perusahaan. Saat ini PT WS yang bergerak pada bidang perbankan telah rutin melakukan penilaian kinerja karyawan, namun dalam proses penilaian masih terdapat beberapa kekurangan diantaranya penilaian yang masih dilakukan secara manual dan penilaian subjektif hanya oleh atasan. Setelah dilakukan survei terhadap 145 karyawan yang berada di kantor pusat dan kantor cabang, didapatkan hasil 63% responden merasa kurang puas terhadap penilaian kinerja yang selama ini terjadi. Selain karyawan yang merasa kurang puas, divisi human resource juga mengalami kendala yaitu sulit memperoleh data yang akurat karena tidak adanya poin-poin kriteria yang mendukung penilaian. Maka dari itu perlu adanya pengembangan sistem informasi dan penerapan data mining Algoritma C4.5 untuk membantu pengklasifikaian penilaian kinerja, serta penggunaan Metode 360° dalam proses penilaian. Penerapan Algortima C4.5 dan Metode 360° diharapkan mampu menjadi alat pendukung keputusan yang tepat dalam mengklasifikasikan kinerja karyawan di PT WS. Peluang kesesuaian antara kinerja karyawan dengan hasil penilaian karyawan akan semakin besar karena hasil prediksi dari klasifikasi menggunakan Algoritma C4.5 dan penilaian dari semua unsur yang terlibat pada karyawan menggunakan Metode 360°. Terdapat 85 data penilaian karyawan, sebanyak 50 data karyawan ditetapkan sebagai data training. Telah dilakukan perhitungan nilai entropy dan gain, pada partisi pertama gain tertinggi sebesar 0,6128 pada atribut cara kerja, partisi kedua nilai gain tertinggi pada atribut finansial dengan nilai 0,912 dan partisi ketiga didapatkan nilai gain tertinggi yaitu 0,862. Terdapat tiga jenis penilai pada Metode 360° yaitu atasan, rekan, dan bawahan. Penerapan Algoritma C4.5 dan Metode 360° pada Sistem Informasi Penilaian Kinerja Karyawan  berbasis website telah berhasil dikembangkan dan telah dilakukan pengujian sistem. User acceptance testing dari 15 pengguna dengan 10 pertanyaa memperoleh nilai rata-rata yaitu 83.4%, artinya sistem siap digunakan.
Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-Paru Menggunakan Algoritma C4.5 Rofiani, Riska; Oktaviani, Luluk; Vernanda, Dwi; Hendriawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3525

Abstract

Abstrak− Penelitian ini bertujuan untuk memprediksi kanker paru-paru menggunakan teknik Data Mining dengan algoritma Decision Tree, terutama algoritma C4.5. Dataset yang digunakan merupakan kumpulan data dari Kaggle yang mencakup atribut seperti usia, jenis kelamin, kebiasaan merokok, konsumsi alkohol, aktivitas, dan faktor lainnya yang diduga berperan dalam risiko terkena kanker paru-paru. Hasil klasifikasi dari model yang dibangun menunjukkan tingkat akurasi yang tinggi dalam memprediksi kemungkinan seseorang terkena kanker paru-paru. Analisis mendalam terhadap model mengindikasikan bahwa kebiasaan merokok adalah faktor dominan yang sangat memengaruhi prediksi penyakit ini. Faktor usia juga memainkan peran penting dalam penentuan risiko terkena kanker paru-paru, di mana individu dengan usia tertentu cenderung memiliki risiko lebih tinggi. Model klasifikasi yang dikembangkan dalam penelitian ini telah memberikan hasil yang konsisten dan dapat diandalkan dalam mengidentifikasi risiko kanker paru-paru. Keberhasilan model ini dalam memprediksi dengan tingkat akurasi yang tinggi menunjukkan potensi besar untuk mendeteksi dini penyakit ini. Penekanan yang besar pada kebiasaan merokok sebagai faktor risiko utama kanker paru-paru disorot dalam hasil penelitian ini. Model berhasil menggambarkan bahwa individu yang memiliki kebiasaan merokok memiliki kemungkinan lebih tinggi terkena kanker paru-paru daripada individu yang tidak merokok. Diharapkan model prediksi ini dapat digunakan sebagai alat penting dalam mengidentifikasi individu dengan risiko tinggi terkena kanker paru-paru secara dini. Dengan demikian, perawatan yang tepat dapat diberikan pada tahap awal penyakit, meningkatkan peluang kesembuhan dan memperbaiki prognosis. Namun, penelitian ini juga menunjukkan bahwa ada beberapa atribut lain yang mungkin memiliki pengaruh yang signifikan dalam risiko terkena kanker paru-paru. Oleh karena itu, penelitian lebih lanjut diperlukan untuk menggali lebih dalam atribut-atribut lain yang berkontribusi terhadap prediksi penyakit ini secara lebih komprehensif. Hasil klasifikasi yang kuat dari model ini menunjukkan bahwa analisis data menggunakan teknik Data Mining dan algoritma C4.5 dapat menjadi solusi efektif dalam deteksi dini dan pencegahan penyakit kanker paru-paru. Model ini dapat memberikan kontribusi yang signifikan dalam upaya penyelamatan nyawa dan perbaikan kualitas hidup bagi individu yang berisiko terkena penyakit ini. Kata Kunci: Kanker Paru-Paru, Prediksi, Data Mining, Algoritma C4.5, Pohon Keputusan.
Co-Authors ,, Susilawati Abdul Kholiq Adi Ivani Yusuf Adi Ivani Yusuf Adrian Ramadhan Ganjarrintana Affandi, Tri Herdiawan Agustina, Sintia Bela Alijoyo, Franciskus Antonius Amelia Ramadhani, Amelia Ananda, Tasya Ancela, Mika Anjali, Natasha Resya Aprilia Putri, Zahran Zain Arif Hidayat Asyhari, Mugia Rochmat Aulia Megi, Tria Auliya Zenita Rachman, Annisa Azhis Sholeh Buchori Bagas Putra, Ray Satya BUDI SETIAWAN Daniel Happy Putra Diana Aqidatun Nisa Faadiyah Cheryl Rachelia Faadiyah Cheryl Rachelia Fadlil Abdul Halim Fahry Maulana, Muhammad Fatimah Az-Zahra Fawziah, Nasywa Fazkal M Akbar Firmansyah, Fachri Fitriawati Fitriawati Ganjarrintana, Adrian Ramadhan Gumelar, Mikal Raya Gusnanda Hana Hanifah, Hana Hanan, Ardian abdul Haryati Haryati Haryati Haryati Hasbillah Helfira Lustiana Hendriawan, Tri Herdiawan, Tri Hilal Iqbal A Hilda Nur Febriliani Kurniawan, Bagas Laila Fadillah, Cika Lani Nurlani Mashuri, Chamdan Meidasari, Indah Tri Mika Ancela Moch Rafly Pratama Mohammad Iqbal Mohammad Iqbal muhammad rifqi aji pratama Muhammad Taufik Hidayat Mulyani, Trianti Dwi Nasib Marbun Niken Tri Desnawati Nindy Irzavika Niqotaini, Zatin Noor, Reza Fazarany Nugroho, Yohanes Sinung Nunu Nugraha Nunu Nugraha Purnawan Nuraeni, Anik Aida NurAfifah, Amirah Nurfitria Khoirunnisa Nurizati, Zahrani Nuryaman, Iqbal Oktaviani, Luluk pohan, Nurul Fauziah Purnawan, Nunu Qonita, Octavia Rachmawati, Erika Ray Satya Bagas Putra Rian Piarna Rifal Nurpazri, Adifa rikke Rivki Aditiya Maulana Rivki Aditiya Maulana Riyanto, Brilian Adiguna Roby Bayu Maulana Rofiani, Riska Rosalpina, Dini Sari Azhariyah Setiawan, Hepi Sintia Bela Agustina Sisnawati Sitompul, Bernad J. D. Slamet Rahayu Slamet Rahayu Sugiwa, Agin Susilawati Susilawati Susilawati Susilawati, Susilawati Syafiq, Muhammad Muflih Syifa, Syifa Rizkita Ananda Tri Herdiawan Tri Herdiawan A Tri Herdiawan Apandi Tri, Tri Herdiawan Apandi Usep Abdul Rosid Virtalioka, Sheva Wahyuliana, Muthiah Wiati Gusti, Kharisma Wijaya, Masesa Angga Wijaya Wulan Siti Nurul Yudiyanto, Oyok Zainal Abidin Achmad