Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Informatika Upgris Jurnal Tekinkom (Teknik Informasi dan Komputer) Media Jurnal Informatika The Indonesian Journal of Computer Science
Kurniawan, Fadly
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pengujian Black Box pada Website Jasa Angkutan dan Ekspedisi Menggunakan Teknik Boundary Value Analysis Zahra, Afnan; Riani, Lutfi; Kurniawan, Fadly; Darmansah, Fadhlan Zaki; Valenza, Ihsan Lana; Wicaksono, Aditya; Nasir, Muhammad
Media Jurnal Informatika Vol 16, No 2 (2024): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v16i2.4798

Abstract

AbstrakSitus web adalah platform digital yang terdiri dari kumpulan halaman yang berisi teks, gambar, suara, video, atau kombinasi elemen lainnya, dirancang untuk menyediakan layanan atau informasi tertentu kepada pengguna. Pada penelitian ini, dilakukan pengujian fitur "Car Unit" pada situs web website jasa angkutan dan ekspedisi untuk mengevaluasi keandalan sistem dalam menangani berbagai skenario input. Pengujian menggunakan metode Black Box Testing dengan teknik Boundary Value Analysis, mencakup total 20 test case untuk fitur Create Location dan Create Car Units. Hasil pengujian menunjukkan bahwa 16 test case (80%) berhasil sesuai dengan ekspektasi, sementara 4 test case (20%) tidak sesuai. Pada fitur Create Location, 11 dari 12 test case (91,7%) berhasil, sedangkan pada Create Car Units, hanya 5 dari 8 test case (62,5%) yang sesuai. Ketidaksesuaian ditemukan pada validasi angka desimal, angka negatif, dan logika pembaruan unit. Kesimpulan dari pengujian ini menunjukkan bahwa sistem secara umum memiliki performa yang baik, namun diperlukan penyempurnaan pada validasi data dan logika pembaruan untuk meningkatkan keandalan dan kualitas layanan.
SiCitra: Aplikasi Berbasis Web untuk Pemrosesan Citra Digital Menggunakan OpenCV Riani, Lutfi; Zahra, Afnan; Kurniawan, Fadly; Valenza, Ihsan Lana; Darmansah, Fadhlan Zaki; Mindara, Gema Parasti; Giri, Endang Purnama
Jurnal Informatika UPGRIS Vol 10, No 2: Desember 2024
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v10i2.20924

Abstract

Penelitian ini membahas perancangan SiCitra, aplikasi berbasis website untuk pemrosesan citra digital menggunakan pustaka OpenCV dan metode waterfall. Aplikasi ini menyediakan fitur manipulasi citra seperti seperti filter warna, deteksi tepi, image processing, rotasi flip, emboss effect, brightness contrast, Text Overlay hingga analisis warna melalui antarmuka intuitif. Pengujian menunjukkan kinerja optimal, menjadikannya solusi praktis untuk kebutuhan multimedia, pendidikan, dan penelitian tanpa memerlukan instalasi perangkat lunak tambahan.
Analisis Sentimen Pengguna Aplikasi Gen Ai dari Appstore dan Googleplay Menggunakan Algoritma C45 Ningsih, Widia; Rahmaddeni; Adrianto, Sukri; Kurniawan, Fadly; Alfianda, Baginda
The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i5.4327

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Generative AI (ChatGPT, Bing AI, Microsoft Co-Pilot, Gemini AI, dan Da Vinci AI) yang tersedia di AppStore dan Google Play menggunakan algoritma C4.5. Data yang digunakan dalam penelitian ini diambil dari ulasan pengguna yang tersedia di kedua platform. Proses penelitian meliputi pengumpulan data, pelabelan manual, dan pemrosesan data awal, termasuk pembersihan, tokenisasi, transformasi kasus, dan penghapusan stopword. Data yang diolah kemudian dianalisis menggunakan algoritma C4.5 untuk mengklasifikasikan sentimen menjadi positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma C4.5 dapat mengklasifikasikan sentimen dengan akurasi, presisi, dan recall yang tinggi. Penelitian ini berkontribusi untuk memahami pendapat pengguna tentang aplikasi Generative AI dan membantu pengembang aplikasi meningkatkan kualitas dan kinerja aplikasi mereka berdasarkan umpan balik pengguna.
PENERAPAN GRADIENT BOOSTING MACHINES UNTUK MEMPREDIKSI PROMOSI JABATAN KARYAWAN Kurniawan, Fadly; Tashid, Tashid; Unang Rio, Unang Rio; Agustin, Wirta
Jurnal Teknik Informasi dan Komputer (Tekinkom) Vol 8 No 1 (2025)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v8i1.2307

Abstract

Job promotion is an important factor in human resource management as it can enhance employee motivation, loyalty, and performance. This study aims to build a job promotion prediction model using the Gradient Boosting Machines (GBM) algorithm implemented in RapidMiner Studio. The dataset used was sourced from Kaggle, consisting of 54,808 training records and 23,491 testing records. The research process included data preprocessing, splitting into training and testing sets, model training, performance evaluation using metrics such as accuracy, precision, recall, F1-score, and AUC, and applying the model to actual test data. The developed GBM model achieved an accuracy of 91.10% and an AUC value of 0.776. The prediction results on the test data indicated that approximately 84.4% of employees were predicted as not eligible for promotion, while 15.6% were predicted as eligible. These findings demonstrate that a machine learning approach can help companies make job promotion decisions more objectively, transparently, and data-driven.
Co-Authors Aditya Wicaksono Alfianda, Baginda Darmansah, Fadhlan Zaki Endang Purnama Giri Mindara, Gema Parasti Muhammad Nasir Rahmaddeni Rahmaddeni Riani, Lutfi Sukri Adrianto Tashid, Tashid Unang Rio, Unang Rio Valenza, Ihsan Lana Widia Ningsih, Widia Wirta Agustin Zahra, Afnan