Article Per Year (5 Year)
p-Index From 2021 - 2026
4.883
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) ILKOM Jurnal Ilmiah Jurnal Matematika UNAND REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Indonesian Journal of Electrical Engineering and Computer Science Jurnal Inovasi Teknik Informatika Journal of Computer Networks, Architecture and High Performance Computing Journal of Applied Data Sciences Journal of Computer Scine and Information Technology Jurnal Abdimas ADPI Sains dan Teknologi Jurnal Ipteks Terapan : research of applied science and education pendidikan, science, teknologi, dan ekonomi Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Sains Informatika Terapan (JSIT) Jurnal Komtekinfo Jurnal Pustaka Robot Sister
Teri Ade Putra
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Veterinary Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
A SISTEM PENDETEKSI SUHU RUANGAN: SISTEM PENDETEKSI SUHU RUANGAN DENGAN MENGUNAKAN ARDUINO Afira, Riandana; Purnama, Ayu Widya; Putra, Teri Ade; Wisky, Irzal Arief
Sinkron : jurnal dan penelitian teknik informatika Vol. 6 No. 2 (2022): Articles Research Volume 6 Issue 2, April 2022
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v7i2.11351

Abstract

In this era, all agencies, be it companies, offices, and industries, take advantage of technological developments with computerized systems. This progress gives an important role in human life. Currently, computers are not only used to process data, they can even be used to control an electronics-based system, such as in the field of controlling external equipment, controlling robots, electronic equipment, and so on. Along with the development of these technologies, the authors try to develop a type of electronic component, namely the LM35DZ Temperature Sensor and Arduino. This research was conducted to create a system that can measure temperature in a room using Arduino and the LM35DZ temperature sensor as the main components. This LM35DZ temperature sensor functions to convert the temperature scale into an electrical quantity in the form of a voltage with a high level of precision but is very simple. Arduino functions as a central place for processing all data and instructions, so that it can facilitate the development of a microcontroller application, starting from writing source programs, complications, uploading complication results and testing serial terminals. The use of Arduino in this tool is combined with ATMEGA 328 and the source program used is the C programming language.
Enhancing the Performance of Machine Learning Algorithm for Intent Sentiment Analysis on Village Fund Topic Anam, M. Khairul; Putra, Pandu Pratama; Malik, Rio Andika; Karfindo, Karfindo; Putra, Teri Ade; Elva, Yesri; Mahessya, Raja Ayu; Firdaus, Muhammad Bambang; Ikhsan, Ikhsan; Gunawan, Chichi Rizka
Journal of Applied Data Sciences Vol 6, No 2: MAY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i2.637

Abstract

This study explores the implementation of Intent Sentiment Analysis on Twitter data related to the Village Fund program, leveraging Multinomial Naïve Bayes (MNB) and enhancing it with Synthetic Minority Over-sampling Technique (SMOTE) and XGBoost (XGB). The analysis categorizes tweets into six labels: Optimistic, Pessimistic, Advice, Satire, Appreciation, and No Intent. Initially, the MNB model achieved an accuracy of 67% on a 90:10 data split. By applying SMOTE, accuracy improved by 12%, reaching 89%. However, adding Chi-Square feature selection did not increase accuracy further. Incorporating XGB into the MNB+SMOTE model led to a 6% improvement, achieving a final accuracy of 95%. Comprehensive model evaluation revealed that the MNB+SMOTE+XGB model achieved 96% accuracy, 96% precision, 96% recall, and a 96% F1-score, with an AUC of 99%, categorizing it as excellent. These findings demonstrate that the combination of SMOTE for addressing class imbalance and XGBoost for boosting performance significantly enhances the MNB model's classification capabilities. The novelty lies in the integration of these techniques to improve intent sentiment classification for public opinion analysis on the Village Fund program. The results indicate that the majority of tweets labeled as "No Intent" reflect a lack of specific sentiment or actionable intent, providing valuable insights into public perception of the program.
Pengembangan Sistem Pendukung Keputusan Berbasis Web untuk Seleksi Peserta Olimpiade Jaringan Mikrotik dengan Metode Weighted Product Afriadi, Damrul; Gema, Rima Liana; Putra, Teri Ade
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1529

Abstract

Pemilihan siswa untuk mengikuti Mikrotik Network Olympiad di SMK Negeri 1 Kinali selama ini masih dilakukan secara manual, sehingga menimbulkan ketidakefisienan dan potensi subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan berbasis web yang dapat membantu sekolah dalam menentukan peserta olimpiade secara objektif dan sistematis menggunakan metode Weighted Product. Sistem yang diusulkan mengolah data siswa berdasarkan beberapa kriteria, yaitu prestasi akademik, kompetensi teknis jaringan, keaktifan ekstrakurikuler, sertifikasi komputer, dan kedisiplinan. Setiap kriteria diberi bobot sesuai tingkat kepentingannya, kemudian dihitung menggunakan pendekatan Weighted Product untuk menghasilkan nilai preferensi dan peringkat alternatif. Sistem ini diimplementasikan menggunakan PHP dan MySQL serta diterapkan pada data 40 siswa. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat yang konsisten, akurat, dan transparan. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efektivitas, objektivitas, dan akuntabilitas dalam proses seleksi peserta Mikrotik Network Olympiad di lingkungan sekolah.
Penerapan Metode Apriori untuk Pembelian di Minimarket Pradani Ayu Widya Purnama; Teri Ade Putra; Riandana Afira; Romi Wijaya
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 1 (2025): Volume 9 Nomor 1 Januari 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i1.14249

Abstract

Agar selalu dapat bertahan dalam persaingan bisnis ataupun minimarket, para pelaku bisnis minimarket harus terus mengembangkan bisnis mereka. Meningkatkan kualitas produk, penambahan jenis produk, pengurangan biaya operasional dan dilakukan analisis data adalah beberapa hal yang dapat ditingkatkan oleh pihak minimarket. Algoritma apriori adalah salah satu algortima terbaik dalam data mining, dengan menggunakan algoritma apriori dan metode market basket analisis ini, peneliti dapat memahami pola pembelian konsumen dengan menganalisis produk-produk yang dibeli. Penelitian ini menghasilkan sebanyak 4 aturan (aturan 1 : Jika pelanggan membeli Produk Susu, mereka cenderung membeli Produk Roti, aturan 2 : Jika pelanggan membeli Produk Roti, mereka cenderung membeli Produk Susu, aturan 3 : Jika pelanggan membeli Produk Roti dan Produk Chiki, mereka cenderung membeli Produk Susu, aturan 4 : Jika pelanggan membeli Produk Susu dan Produk Permen, mereka cenderung membeli Produk Roti). 4 aturan yang didapat tersebut dapat dijadikan sebagai salah satu referensi bagi pihak minimarket dalam mendukung keputusan untuk melakukan tindakan yang bisa meminimalisir terjadinya penumpukan barang.
A Modified Watershed Algorithm for Rice Plant Growth Stage Analysis Teri Ade Putra; Yuhandri Yuhandri; Agung Ramadhanu
Journal of Applied Data Sciences Vol 7, No 2: May 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i2.1117

Abstract

Information technology plays a crucial role in enhancing various sectors, including agriculture. In particular, technological advancements in crop monitoring are essential for sustainable food production, where accurate growth analysis is vital. Image-based approaches have emerged as a promising tool for assessing crop growth, particularly in rice plants. This study aims to enhance rice plant image segmentation using an improved Watershed algorithm, integrating the Laplacian operator and Distance Transform. This study utilizes a Support Vector Machine (SVM) classifier for segmenting and classifying rice plant growth stages, achieving accuracy, precision, recall, and F1-score metrics. The dataset consists of 1080 images of rice plants, with 74 images used for training, 31 for testing, and 975 images for validation. The image processing pipeline involves preprocessing steps such as grayscale conversion, normalization, color segmentation, Otsu thresholding, filtering, and edge detection. Following preprocessing, the Watershed algorithm is applied in two scenarios: the conventional method and the enhanced method with the Laplacian operator and Distance Transform. Performance evaluation is based on accuracy, precision, recall, and F1-score metrics. The results show that the enhanced Watershed algorithm significantly outperforms the conventional method, achieving an accuracy of 99.58%, precision of 80.55%, recall of 79.92%, and an F1-score of 81.50%. While there is a slight imbalance in precision and recall, the model demonstrates reliable performance in identifying rice plant growth. This study confirms that integrating the Laplacian operator and Distance Transform into the Watershed algorithm significantly improves segmentation accuracy, supporting the development of automated monitoring systems in smart farming. Furthermore, this approach opens avenues for application in other crops and diverse environmental conditions.
Klasterisasi K-Means Untuk Pengelompokan Wilayah Berisiko Banjir Di Kota Padang Teri Ade Putra; Andani Putra Pratama; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1344

Abstract

Banjir merupakan salah satu risiko bencana yang berulang kali dihadapi Kota Padang, dipengaruhi oleh kombinasi intensitas curah hujan, kepadatan populasi, histori kejadian banjir, dan elevasi wilayah pada 104 kelurahan yang tersebar di 11 kecamatan. Penelitian ini bertujuan menerapkan algoritma K-Means untuk mengelompokkan kelurahan di Kota Padang berdasarkan tingkat risiko banjir, sekaligus membangun sistem berbasis web bernama SIPEKAT sebagai alat bantu pemetaan dan pengambilan keputusan. Data dihimpun dari empat sumber, yaitu curah hujan dari BMKG Stasiun Teluk Bayur, data kependudukan dari Disdukcapil, histori banjir dari BNPB, dan data elevasi dari dataset geospasial. Seluruh atribut dibersihkan dan dinormalisasi menggunakan metode Min-Max sebelum diproses dengan K-Means. Proses klasterisasi diinisialisasi dari tiga kelurahan representatif sebagai centroid awal dan konvergen pada iterasi kelima, menghasilkan tiga klaster dengan 19, 80, dan 5 anggota kelurahan. Setiap klaster diberi label berdasarkan skor risiko dari rata-rata histori banjir dan elevasi, menghasilkan kategori Risiko Tinggi (19 kelurahan), Risiko Sedang (80 kelurahan), dan Risiko Rendah (5 kelurahan). Hasil clustering divalidasi menggunakan RapidMiner dan menunjukkan kesesuaian dengan perhitungan sistem. Kebaruan penelitian ini terletak pada penggunaan mekanisme pelabelan klaster berbasis skor risiko yang menggabungkan histori kejadian banjir dan elevasi wilayah untuk menghasilkan interpretasi tingkat risiko yang lebih objektif, serta implementasinya ke dalam sistem informasi berbasis web SIPEKAT. Penelitian ini membuktikan bahwa K-Means efektif digunakan untuk mengelompokkan wilayah rawan banjir dan dapat menjadi dasar bagi pemerintah daerah dalam memprioritaskan mitigasi bencana banjir.
Klasterisasi K-Means Untuk Pengelompokan Wilayah Berisiko Banjir Di Kota Padang Teri Ade Putra; Andani Putra Pratama; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1344

Abstract

Banjir merupakan salah satu risiko bencana yang berulang kali dihadapi Kota Padang, dipengaruhi oleh kombinasi intensitas curah hujan, kepadatan populasi, histori kejadian banjir, dan elevasi wilayah pada 104 kelurahan yang tersebar di 11 kecamatan. Penelitian ini bertujuan menerapkan algoritma K-Means untuk mengelompokkan kelurahan di Kota Padang berdasarkan tingkat risiko banjir, sekaligus membangun sistem berbasis web bernama SIPEKAT sebagai alat bantu pemetaan dan pengambilan keputusan. Data dihimpun dari empat sumber, yaitu curah hujan dari BMKG Stasiun Teluk Bayur, data kependudukan dari Disdukcapil, histori banjir dari BNPB, dan data elevasi dari dataset geospasial. Seluruh atribut dibersihkan dan dinormalisasi menggunakan metode Min-Max sebelum diproses dengan K-Means. Proses klasterisasi diinisialisasi dari tiga kelurahan representatif sebagai centroid awal dan konvergen pada iterasi kelima, menghasilkan tiga klaster dengan 19, 80, dan 5 anggota kelurahan. Setiap klaster diberi label berdasarkan skor risiko dari rata-rata histori banjir dan elevasi, menghasilkan kategori Risiko Tinggi (19 kelurahan), Risiko Sedang (80 kelurahan), dan Risiko Rendah (5 kelurahan). Hasil clustering divalidasi menggunakan RapidMiner dan menunjukkan kesesuaian dengan perhitungan sistem. Kebaruan penelitian ini terletak pada penggunaan mekanisme pelabelan klaster berbasis skor risiko yang menggabungkan histori kejadian banjir dan elevasi wilayah untuk menghasilkan interpretasi tingkat risiko yang lebih objektif, serta implementasinya ke dalam sistem informasi berbasis web SIPEKAT. Penelitian ini membuktikan bahwa K-Means efektif digunakan untuk mengelompokkan wilayah rawan banjir dan dapat menjadi dasar bagi pemerintah daerah dalam memprioritaskan mitigasi bencana banjir.
Co-Authors Afriadi, Damrul Agung Ramadhanu Alvi Martunasia Anam, M Khairul Andani Putra Pratama Ariandi, Vicky Aulia Fitrul Hadi Ayu Mahessya, Raja Ayu, Purnama Boy cenly dwi Sandes Pasella Dinul Akhiyar Firdaus, Muhammad Bambang Gema, Rima Liana Gunawan, Chichi Rizka Ikhsan Ikhsan Irzal Arif Wisky Jafnihirda, Lika Karfindo, Karfindo Lika Jafnihirda M.Hafizh Muhammad, Abulwafa Ondra Eka Putra Pandu Pratama Putra, Pandu Pratama Pradani Ayu Widya Purnama Purnama, Ayu Widya Purnama, Pradani Widya Pradani Purnawita Rahayu Rahman, Sepsa Nur Rahmat , Muhammad Arif Reza Suriadinata Riandana Afira Riki Iskandar Rio Andika Malik Sarjon Defit Wega Andre Wijaya, Romi Yesri Elva Yuhandri Yuhandri, Yuhandri