Article Per Year (5 Year)
p-Index From 2020 - 2025
1.497
P-Index
This Author published in this journals
All Journal Semantik Jurnas Nasional Teknologi dan Sistem Informasi Journal of Information System Journal of Development Research Abdimasku : Jurnal Pengabdian Masyarakat OISAA Journal of Indonesia Emas
Affandy Affandy
Dian Nuswantoro University
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PEMODELAN IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK STUDENT RELATIONSHIP MANAGEMENT PADA PERGURUAN TINGGI Erika Devi Udayanti; Affandy Affandy
Semantik Vol 2, No 1 (2012): Prosiding Semantik 2012
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (346.119 KB)

Abstract

Keunggulan kompetitif sebuah perguruan tinggi tidak luput dari keberadaan dan pemanfaatan teknologi informasi. Dengan mengadopsi pendekatan CRM, dalam proses bisnisnya perguruan tinggi dapat menerapkan konsep Student Relationship Management (SRM) untuk meningkatkan kualitas layanan terhadap mahasiswa sebagai orientasi utama. Dengan dukungan model Business Intelligence (BI) sebagai pengolah datanya SRM diharapkan akan dapat menawarkan alternatif solusi yang lebih personal sesuai dengan karakter tiap-tiap mahasiswa. Kajian ini mencoba untuk mengusulkan model implementasi BI dalam SRM dengan mengikuti tahapan pengembangan sistem yang diharapkan dapat menjadi alternatif guidelines penerapan SRM di dunia pendidikan khususnya perguruan tinggi. Pengembangan prototype dari integrasi dua konsep ini akan menjadi kajian lanjutan untuk memvalidasi model yang diusulkan.Kata kunci :Customer Relationship Management, Student Relationship Management, Business Intelligence
SISTEM INFORMASI KEPAKARAN PEGAWAI BERBASIS ODOO DENGAN METODE PROTOTYPE PADA PT Z Syafaatun Khasanah; Affandy
Jurnal PPI Dunia Vol 2 No 1 (2019)
Publisher : OISAA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PT Z merupakan perusahaan yang bergerak pada bidang inspeksi. Bagian Human Resources dan General Affairsmempunyai tugas pokok salah satunya yaitu mengelola data pegawai. Bagian HR dan GA mengalami kesulitandalam mengalokasikan sumber daya yang sesuai dengan keahlian dan sertifikasi yang dimiliki oleh pegawai,mengalami kesulitan untuk mengetahui masa berlaku dari sertifikat yang dimiliki oleh pegawai, serta mengalamikesulitan untuk mengetahui bidang sertifikasi mana yang belum dimiliki oleh PT Z. Tujuan dari riset ini adalahterbangunnya sistem informasi untuk memudahkan proses pengajuan tender dalam mengalokasikan sumber dayayang sesuai dengan sertifikat keahlian yang dimiliki oleh pegawai, terciptanya sistem informasi untukmemudahkan dalam mengetahui masa berlaku dari sertifikat yang dimiliki oleh pegawai serta untuk memudahkandalam mengetahui bidang sertifikasi yang belum dimiliki oleh PT Z, dan terbangunnya sistem informasi untukmengintegrasikan kedua kebutuhan di atas dengan menggunakan Odoo sebagai perangkat perencanaansumberdaya. Rancangan sistem menggunakan Unified Modelling Language (UML), Odoo sebagai landasanmembangun sistem dan PostgreSQL sebagai database. Metode pengembangan sistem menggunakan modelprototype serta metode Equivalence Partitioning Black Box Testing yang digunakan sebagai metode pengujiansistem. Dapat disimpulkan pada penelitian ini bahwa hasil pengujian membuktikan bahwa sistem yang diajukanmemiliki waktu proses yang lebih cepat dibanding sistem yang lama. PT Z is a company engaged in the field of inspection. The Human Resources and General Affairs section has themain task, one of which is managing employee data. The HR and GA department experienced difficulties inallocating resources according to the expertise and certification held by employees, having difficulty knowing thevalidity period of the certificates held by employees, and having difficulty finding out which areas of certificationPT Z had not had. Purpose from this research is the establishment of an information system to facilitate the tendersubmission process in allocating resources in accordance with the expertise certificate possessed by employees,the creation of information systems to facilitate the validity period of certificates held by employees and to facilitatein knowing the field of certification that has not owned by PT Z, and the establishment of an information system tointegrate the two needs above using Odoo as a resource planning tool. System design uses the Unified ModelingLanguage (UML), Odoo as the basis for building systems and PostgreSQL as a database. The systemdevelopment method uses a prototype model and the Equivalence Partitioning Black Box Testing method that isused as a system testing method. It can be concluded in this study that the test results prove that the proposedsystem has a faster processing time than the old system.
Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network Erwin Yudi Hidayat; Raindy Wicaksana Hardiansyah; Affandy Affandy
Jurnal Nasional Teknologi dan Sistem Informasi Vol 7, No 2 (2021): Agustus 2021
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v7i2.2021.108-118

Abstract

Dalam menaikkan kinerja serta mengevaluasi kualitas, perusahaan publik membutuhkan feedback dari masyarakat / konsumen yang bisa didapat melalui media sosial. Sebagai pengguna media sosial Twitter terbesar ketiga di dunia, tweet yang beredar di Indonesia memiliki potensi meningkatkan reputasi dan citra perusahaan. Dengan memanfaatkan algoritma Deep Neural Network (DNN), neural network yang tersusun dari layer yang jumlahnya lebih dari satu, didapati hasil analisa sentimen pada Twitter berbahasa Indonesia menjadi lebih baik dibanding dengan metode lainnya. Penelitian ini menganalisa sentimen melalui tweet dari masyarakat Indonesia terhadap sejumlah perusahaan publik dengan menggunakan DNN. Data Tweet sebanyak 5504 record didapat dengan melakukan crawling melalui Application Programming Interface (API) Twitter yang selanjutnya dilakukan preprocessing (cleansing, case folding, formalisasi, stemming, dan tokenisasi). Proses labeling dilakukan untuk 3902 record dengan memanfaatkan aplikasi Sentiment Strength Detection. Tahap pelatihan model dilakukan menggunakan algoritma DNN dengan variasi jumlah hidden layer, susunan node, dan nilai learning rate. Eksperimen dengan proporsi data training dan testing sebesar 90:10 memberikan hasil performa terbaik. Model tersusun dengan 3 hidden layer dengan susunan node tiap layer pada model tersebut yaitu 128, 256, 128 node dan menggunakan learning rate sebesar 0.005, model mampu menghasilkan nilai akurasi mencapai 88.72%. 
Rancang Bangun Aplikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa Dengan Algoritma Backpropagation Neural Network Desi Hanindya Ujianti; Affandy Affandy
JOINS (Journal of Information System) Vol 1, No 01 (2016)
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.499 KB) | DOI: 10.33633/joins.v1i01.1175

Abstract

Saat ini sering didapati besarnya jumlah mahasiswa baru pada sebuah perguruan tinggi yang tidak sebanding dengan jumlah lulusan tiap tahunnya. Hal ini merupakan salah satu permasalahan yang harus diselesaikan oleh institusi perguruan tinggi. Agar program studi dapat melakukan langkah antisipasi atau penanganan lebih dini terhadap mahasiswa yang berpotensi tidak lulus tepat waktu, diperlukan suatu mekanisme yang dapat mendeteksi kemungkinan hal ini terjadi. Dewasa ini perkembangan data mining berkembang pesat dalam mengatasi berbagai masalah pengolahan data dengan jumlah besar. Salah satu aplikasi dari data mining adalah untuk keperluan prediksi/klasifikasi, dan salah satu algoritma yang umum digunakan adalah Neural Network. Dalam penelitian ini algoritma Backpropagation Neural Network diterapkan untuk memprediksi masa studi mahasiswa. Dari hasil pengolahan data training dengan algoritma tersebut didapatkan hasil tingkat akurasi yang didapat sebesar 99.49% dengan atribut yang digunakan ialah Indeks Prestasi (IP) dari semester 1 (satu) sampai 4 (empat) dan Indeks Prestasi Kumulatifnya. Pengolahan data tersebut diproses menggunakan RapidMiner dengan menerapkan algoritma Backpropagation Neural Network untuk membentuk pola dari data training. Untuk memperoleh pengetahuan atau knowledge, dari pola tersebut akan diterjemahkan ke dalam bentuk yang dapat dimengerti dan diproses dalam aplikasi Matlab. Kata Kunci: Data Mining, Prediksi, Algoritma Neural Network (Back Propagation), Prototipe
Sentiment Analysis Berbasis Algoritma Naïve Bayes Classsifier untuk Identifikasi Persepsi Masyarakat Terhadap Produk / Layanan Perusahaan Affandy Affandy; Oktania Nandiyati
JOINS (Journal of Information System) Vol 5, No 1 (2020): Edisi Mei 2020
Publisher : Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1889.192 KB) | DOI: 10.33633/joins.v5i1.3608

Abstract

Twitter is the most popular microblogging service in Indonesia, with nearly 23 million users. In the era of big data such as the current tweets from customers, observers, potential consumers, or the community of users of products or services of a company will greatly help companies in knowing the industrial and consumer landscape, so as to determine strategic plans that will contribute to the company's growth. However, the use of data from social media such as Twitter is hampered by a number of technical difficulties in the process of collecting, processing, and analysing. Specifically, this research applies the Naïve Bayes Classifier algorithm in the process of sentiment analysis of tweets data into a prototype application that is intended to make it easier for companies / organizations to know people's perceptions of their products or services. The NBC algorithm was chosen because this algorithm is able to do a good classification even though it uses small training data, but has high accuracy and process speed for handling large training data. From the evaluation results found a prototype running well where the keywords entered will trigger the Twitter API to crawl the data then the mining process can be monitored at each stage and at the end of the process, the system will show the final sentiment level values and the representation of the calculation results log in a chart form over a certain period of time.
Classification of Guarantee Types Using Leaf Feature Extraction with Minutiae and GLCM Using K-NN Method Muhammad Haris Zuhri; Adhe Irham Thoriq; Abdul Syukur; Affandy Affandy; Muslih Muslih; Moch Arief Soeleman
Journal of Development Research Vol. 6 No. 1 (2022): Volume 6, Number 1, May 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jdr.v6i1.201

Abstract

Indonesia is a fertile area that has a sub-tropical climate that makes plants grow well in various parts of Indonesia. There are various variants of guava in Indonesia. Of the several types have differences including the structure of the fruit, tree and leaves. The focus of this research is to classify guava species based on leaf bone image using GLCM feature extraction, minutiae and shape extraction using the K-NN method. In this study using a dataset of 4 types of guava as many as 300 images, where each type of as many as 75 images. In the extraction process to get the leaf bone image in this study, there are several processes, namely preprocessing, grayscale image, binary image and morphology then only get the leaf bone image. After getting the extracted value, then the data is processed using the K-NN method. The highest accuracy in the K-NN method is at k1 = 92.42% with a standard deviation of 6.05% (micro average: 92.45%). Thus GLCM feature extraction, minutiae and shape extraction can potentially increase the level of accuracy in guava classification based on leaf bone images.
Classification of Toxic Plants on Leaf Patterns Using Gray Level Co-Occurrence Matrix (GLCM) with Neural Network Method Mohammad Faishol Zuhri; S. Kholidah Rahayu Maharani; Affandy Affandy; Aris Nurhindarto; Abdul Syukur; Moch Arief Soeleman
Journal of Development Research Vol. 6 No. 1 (2022): Volume 6, Number 1, May 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jdr.v6i1.202

Abstract

Poisonous plants are plants that must be avoided and not consumed by humans, because the presence of poisonous plants is also often found in the surrounding environment without realizing it. Because of the lack of knowledge to classify poisonous plant species, it will be more difficult to find out. With the help of a computer system, it will be easier to identify the types of poisonous plants. There are 3 types of poisonous plants that will be used in this study, namely cassava, jatropha, and amethyst. There are also 3 types of non-toxic plants with almost the same morphology as a comparison, namely cassava, figs, and eggplant. In this study, researchers tried to classify poisonous plant species using leaf pattern features that would be extracted using shape features and Gray Level Co-occurrence Matrix (GLCM). The value taken from the shape feature is the values ​​of area, width, diameter, perimeter, slender, and round. While the value of contrast, entropy, correlation, energy, and homogeneity for Gray Level Co-occurrence Matrix (GLCM) attributes. To classify data using Neural Network with RapidMiner application. From this study, it is known that from 300 total datasets used, the highest accuracy is 96.13% using the Neural Network method. With an AUC value of 0.986 and is included in the very good category.
Seam Cerving and Salient Detection for Thumbnail Photos Much Chafid; Abdul Syukur; Moch Arief Soeleman; Affandy Affandy
Journal of Development Research Vol. 6 No. 1 (2022): Volume 6, Number 1, May 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jdr.v6i1.204

Abstract

Image resizing is a process of processing images or images with the aim of changing the size of the image. The most commonly used methods are cropping or scaling. Scaling is changing the size of the image based on the scale. Contents in the image are not considered in scaling. Seam carving often uses energy functionality that is useful as a determinant of the pixel level contained in an image. Seam is a connecting path of image pixels both vertically and horizontally that is passed by a low energy function. Changing the image size using seam carving is considered better than cropping and scaling. However, the seam carving method still cannot protect the object that is considered the most important. In overcoming this weakness, we can use a combination of seam carving algorithm with salient detection. In this research, we will improve the two methods which function as thumbnail maker. The results of the salient detection of the most important areas of the image will be detected and as a reference in resizing the image (seam carving) The dataset uses 200 images. The accuracy value is calculated by distributing questionnaires to 100 respondents and producing an acceptance rate of 78% so that the results are Very Natural/Natural.
Pembelajaran Computational Thinking untuk Siswa SMA Institut Indonesia Semarang Erwin Yudi Hidayat; Affandy Affandy; Ayu Pertiwi
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 3, No 3 (2020): September 2020
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/ja.v3i3.104

Abstract

Pembelajaran mengenai teknologi informasi telah banyak dilakukan di pendidikan menengah atas untuk mempersiapkan peserta didik menghadapi perkembangan teknologi informasi. Penerapan teknologi informasi di berbagai bidang sesungguhnya memerlukan kemampuan berpikir komputasional yang menjadi populer dalam beberapa tahun terakhir ini menjadi kemampuan yang mendasar yang seyogyanya dimiliki oleh setiap insan dalam era digital ini. Kemampuan berpikir komputasional adalah proses berpikir dalam melakukan formulasi persoalan dan solusinya sehingga solusi dapat dinyatakan dalam suatu bentuk yang dapat dikerjakan secara efektif oleh manusia atau mesin. Berpikir komputasional adalah kemampuan dasar yang diperlukan setiap orang, bukan hanya ilmuwan komputer. Selain kemampuan membaca, menulis, dan aritmatika, kita juga perlu menambahkan kemampuan berpikir komputasional kepada seorang anak untuk mengasah kemampuan analisisnya.
KONSEP INFORMATIKA DAN COMPUTATIONAL THINKING DI DALAM KURIKULUM SEKOLAH DASAR, MENENGAH, DAN ATAS Ayu Pertiwi; Abdul Syukur; Titien Suhartini; Affandy Affandy
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 3, No 3 (2020): September 2020
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/ja.v3i3.53

Abstract

Informatics or computer science is an important subject for school education today. Informatics can be presented as a scientific discipline to understand technology in a way that is more deeply behind computer programs. With the introduction of informatics to schools is to prepare young people to become creators of information technology not just users of information technology. To achieve this, informatics concepts need to be introduced from basic education, high school, and high school. On the other hand, we need to help people solve problems by using technology and developing computational thinking in various fields. This paper presents the role of Indonesia specifically through universities in Indonesia in introducing computational thinking through Bebras Computational Thinking.
Co-Authors Abdul Syukur Abdul Syukur Adhe Irham Thoriq Ayu Pertiwi Ayu Pertiwi Desi Hanindya Ujianti Erika Devi Udayanti Erwin Yudi Hidayat Erwin Yudi Hidayat Lu'luul Maknun Moch Arief Soeleman Mohammad Ahmad Maidanul Abrori Mohammad Faishol Zuhri Much Chafid Muhammad Haris Zuhri Muslih Muslih Nurhindarto, Aris Oktania Nandiyati Raindy Wicaksana Hardiansyah S. Kholidah Rahayu Maharani Syafaatun Khasanah Titien Suhartini