Article Per Year (5 Year)
p-Index From 2021 - 2026
1.332
P-Index
This Author published in this journals
All Journal Conference on Innovation and Application of Science and Technology (CIASTECH) IJISTECH (International Journal Of Information System & Technology) IJISTECH Jurnal Nasional Teknik Elektro dan Teknologi Informasi JENTIK
Supriyono
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Software Testing with the approach of Blackbox Testing on the Academic Information System S Supriyono
IJISTECH (International Journal of Information System and Technology) Vol 3, No 2 (2020): May
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (811.932 KB) | DOI: 10.30645/ijistech.v3i2.54

Abstract

SIAKAD is a website based information system assessment application that holds academic data of an educational institution. SIAKAD SDIT Robbani was created to help the assessment process of students, both in the form of public and religious subjects. With this investigation is expected to facilitate the assessment process at the school Rabbani. For that, testing is required to know whether the system can run as expected or not. Software Testing was conducted using black-box testing. The software testing method uses a Boundary Value Analysis (BVA) because the assessment has the minimum and maximum constraints of an inputted value. The test results show the scoring system has not been able to fulfil expectations because there is no limit value so the random value will remain stored by the system. This can result in incorrect information generated by the SIAKAD.
Citra Tekstur Terbaik Untuk Gaussian Naïve Bayes Dengan Interpolasi Nearest Neighbor Irwan Budi Santoso; Shoffin Nahwa Utama; Supriyono
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 13 No 1: Februari 2024
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v13i1.8730

Abstract

One of the factors affecting the performance of the Gaussian naïve Bayes classifier (GNBC) in texture image classification is the image size (dimensions). Image size is one of the best texture image criteria besides its pixel value. In this study, a method is proposed to obtain the size of the best texture image for GNBC by nearest neighbor (NN) interpolation optimization. The best texture image size with interpolated pixel values makes GNBC able to distinguish texture images in each class with the highest performance. The first step of the proposed method was to determine the texture image size for training through a combination of row and column sizes in the optimization process. The next important step in generating the new texture images was resizing each of the original texture images using NN interpolation. The next step was to build GNBC based on the new image from interpolation and determine the classification accuracy. The last step was to select the best texture image size based on the largest classification accuracy value as the first criterion and image size as the second criterion. The evaluation of the proposed method was carried out using texture image data from the CVonline public dataset involving several test scenarios and interpolation methods. The test result shows that in scenarios involving five classes of texture images, GNBC with NN interpolation gives the smallest classification accuracy value of 89% and the largest 100% at the best image size, 14 × 32 and 47 × 42, respectively. In scenarios involving small to large class numbers, GNBC with NN interpolation provides classification accuracy of 81.6%–95%. From these results, GNBC with NN optimization gives better results than other nonadaptive interpolation methods (bilinear, bicubic, and Lanczos) and principal component analysis (PCA).
Integrasi REST API dan ODOO 17 Pada Manajemen Data Alumni UIN Maulana Malik Ibrahim Malang Supriyono Supriyono; Zulham Ghinafikar; Isma Izha Utama; Ramadhan Rahmat
Jurnal Manajemen Teknologi Informatika Vol. 2 No. 3 (2024): Jurnal Manajemen Teknologi Informatika
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v2i3.128

Abstract

Alumni merupakan aset penting bagi lembaga Pendidikan untuk membangun relasi yang baik. Dengan memanfaatkan REST API sistem ini bertujuan meningkatkan efisiensi pelacakan karier dan pengelolaan kontak alumni. Digunakannya Systematic Literature Review (SLR) untuk mengidentifikasi penelitian terkait sistem penyimpanan data dan penerapan Odoo. Hasil SLR menunjukkan bahwa Odoo banyak diterapkan dalam berbagai bidang termasuk manajemen inventaris. Pengembangan sistem dilakukan dengan metode Agile, fokus pada perancangan dan implementasi. Diharapkan penelitian ini dapat memberikan kontribusi praktis dalam pengelolaan data alumni serta memperkaya pengetahuan tentang penerapan REST API dan Odoo
INTEGRASI ODOO DAN FLUTTER UNTUK PENGEMBANGAN APLIKASI TRACER ALUMNI UIN MALANG Supriyono Supriyono; Ahmad Ghiffari Fadhil Saputra; M. Singgi Aditya Ramadhan; M. Yasril Adim Al Amin; Achmad Fairuz
Jurnal Manajemen Teknologi Informatika Vol. 2 No. 3 (2024): Jurnal Manajemen Teknologi Informatika
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v2i3.132

Abstract

Tracer alumni merupakan alat penting bagi institusi pendidikan untuk melacak perkembangan dan pencapaian lulusan mereka. Penelitian ini mengembangkan aplikasi mobile menggunakan Flutter sebagai antarmuka pengguna (frontend) dan Odoo 17 sebagai basis data (backend) untuk menciptakan sistem tracer alumni yang terintegrasi. Aplikasi ini memungkinkan pengelolaan data alumni, fakultas, dan program studi, dengan fitur seperti pembaruan data secara real-time, autentikasi yang aman, dan antarmuka yang responsif. Pengujian fungsionalitas, kegunaan, dan kinerja sistem dilakukan secara menyeluruh, dengan hasil yang menunjukkan bahwa sistem mampu menangani operasi data kompleks secara efisien, terintegrasi dengan baik antara Flutter dan Odoo, serta memberikan pengalaman pengguna yang intuitif. Penelitian ini menyimpulkan bahwa integrasi teknologi modern seperti Flutter dan Odoo mampu menghadirkan solusi andal untuk pelacakan alumni yang bermanfaat bagi institusi pendidikan dan lulusannya.
REST API DAN ODOO 17 PADA APLIKASI TRACER ALUMNI UIN MAULANA MALIK IBRAHIM MALANG BERBASIS FLUTTER Supriyono Supriyono; Rigen Ferdian Saputra Saputra; Ahmad Hilmy Zainuddin; M. Ivan Fairuz Akbar; M. Firdaus Habibillah; Ade Hasbulah
Jurnal Manajemen Teknologi Informatika Vol. 2 No. 3 (2024): Jurnal Manajemen Teknologi Informatika
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v2i3.136

Abstract

Aplikasi tracer alumni berbasis Flutter dengan integrasi database Odoo 17 dikembangkan untuk mempermudah UIN Maulana Malik Ibrahim Malang dalam memantau perkembangan lulusan. Sistem ini memungkinkan pengelolaan data alumni secara real-time melalui REST API yang menghubungkan frontend Flutter dengan backend Odoo 17. Teknologi ini memberikan kemudahan bagi alumni untuk memperbarui data kapan saja dan di mana saja, serta memfasilitasi evaluasi kualitas pendidikan dan relevansi kurikulum terhadap dunia kerja. Flutter dipilih karena kemampuannya dalam pengembangan lintas platform dan antarmuka yang responsif. Integrasi dengan Odoo 17 menawarkan pengelolaan data yang efisien dan fleksibel. Implementasi ini mendukung digitalisasi layanan kampus, mempercepat proses pengumpulan data, dan memperkuat hubungan antara alumni dan institusi, sekaligus menyediakan informasi penting untuk pengambilan keputusan strategis terkait peningkatan mutu pendidikan dan jaringan profesional.
Co-Authors AA Sudharmawan, AA Achmad Fairuz Ade Hasbulah Ahmad Ghiffari Fadhil Saputra Ahmad Hilmy Zainuddin Heni Pujiastuti Irwan Budi Santoso Isma Izha Utama M. Firdaus Habibillah M. Ivan Fairuz Akbar M. Singgi Aditya Ramadhan M. Yasril Adim Al Amin Mochammad Wahyu Firmansyah Ramadhan Rahmat Rigen Ferdian Saputra Saputra Roro Inda Melani Shoffin Nahwa Utama Sutiah Yunifa Miftachul Arif Zulham Ghinafikar