Article Per Year (5 Year)
p-Index From 2021 - 2026
2.233
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan QARDHUL HASAN: MEDIA PENGABDIAN KEPADA MASYARAKAT Multitek Indonesia : Jurnal Ilmiah Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Pengabdian Polinema Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Jurnal Minfo Polgan (JMP) Jurnal Teknik Ilmu dan Aplikasi Jurnal Informatika Polinema (JIP) Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research
Dian Hanifudin Subhi
Politeknik Negeri Malang
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Peningkatan efisiensi produksi melalui penerapan sistem informasi peramalan kebutuhan kacang kedelai di Pabrik Tahu Melati, Batu Sintiya, Endah Septa; Amanda, Sely Ruli; Ulfa, Farida; Subhi, Dian Hanifudin; Ikawati, Deasy Sandhya Elya; Pratama, Adevian Fairuz; Affandi, Luqman
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 9, No 5 (2025): September
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v9i5.34110

Abstract

AbstrakPabrik Tahu Melati di Batu menghadapi permasalahan inefisiensi produksi akibat ketiadaan sistem yang memadai untuk meramalkan kebutuhan bahan baku kacang kedelai, yang berpotensi menimbulkan kerugian operasional. Kegiatan pengabdian ini bertujuan meningkatkan efisiensi produksi melalui perancangan dan penerapan sistem informasi peramalan berbasis website. Mitra sasaran adalah pemilik dan staf Pabrik Tahu Melati. Metode pelaksanaan mengunakan waterfall meliputi analisis kebutuhan, desain sistem, implementasi pengembangan aplikasi web dan model Double Exponential Smoothing di dalamnya, verifikasi, hingga pemeliharaan dengan pelatihan dan pendampingan. Hasil kegiatan menunjukkan peningkatan signifikan: secara kualitatif, mitra kini mampu mengoptimalkan manajemen persediaan dan membuat keputusan berbasis data. Secara kuantitatif, ketepatan pembelian bahan baku meningkat dari 60% menjadi 95%, frekuensi masalah stok menurun dari 5 kali menjadi 1 kali per bulan, dan staf operasional kini mampu mengoperasikan sistem dengan tingkat pemahaman yang naik dari rata-rata 1,75 menjadi 4,25. Hasil Kuesioner kepuasan mitra menujukkan skor 3,2 dari 4 atau 80% puas dengan pelaksanaan pengabdian ini. Kata kunci: efisiensi produksi; sistem informasi peramalan; double exponential smoothing; pengambilan keputusan berbasis data; UMKM. AbstractThe Melati Tofu Factory in Batu faces production inefficiency due to the absence of a system capable of anticipating soybean raw material requirements, which has the potential to cause operational losses. This community service activity aims to improve production efficiency through the design and implementation of a web-based forecasting information system. The target partners are the owners and staff of the Melati Tofu Factory. The implementation follows the waterfall method, covering requirement analysis, system design, web application development incorporating the Double Exponential Smoothing model, verification, and maintenance, along with training and mentoring. The results of the activity indicate significant improvements: qualitatively, the partners are now able to optimize inventory management and make data-driven decisions. Quantitatively, the accuracy of raw material purchases increased from 60% to 95%, the frequency of stock-related issues decreased from five times to once per month, and operational staff are now able to operate the system, with the average level of understanding increasing from 1.75 to 4.25. The partner satisfaction questionnaire results show an average score of 3.2 out of 4, indicating that 80% of the partners are satisfied with the outcomes of this community service. Keywords: production efficiency; forecasting information system; double exponential smoothing; data-driven decision-making; MSME.
Inovasi Pengelolaan Lomba Pramuka Berbasis Website dalam Rangka Penerapan Konsep Smart School Nurhasan, Usman; Sumiadji; Subhi, Dian Hanifudin; Rahmanto, Anugrah Nur; Damayanti, Retno; Suryadi, Satrio Binusa
Qardhul Hasan: Media Pengabdian kepada Masyarakat Vol. 11 No. 3 (2025): Qardhul Hasan: Media Pengabdian kepada Masyarakat
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/qh.v11i3.21316

Abstract

Kegiatan Pengabdian kepada Masyarakat (PKM) bertema Transformasi Digital dalam Pengelolaan Lomba Pramuka di Gugus Depan Arvegatu SMPN 4 Kota Malang dilaksanakan hingga Juli 2025 sebagai solusi atas permasalahan mitra yang masih mengelola lomba secara manual, sehingga menimbulkan inefisiensi, potensi kesalahan yang tinggi, dan keterbatasan transparansi. Tujuan kegiatan ini adalah mengembangkan sistem manajemen lomba terintegrasi berbasis website yang mampu mengotomatisasi proses pendaftaran, penjadwalan, penilaian, hingga publikasi hasil secara real-time. Pelaksanaan program menggunakan metode Participatory Action Research (PAR) dengan melibatkan panitia, peserta, juri, dan pembina pada tahap perancangan, uji coba, serta evaluasi sistem. Hasil implementasi menunjukkan adanya peningkatan signifikan pada efisiensi administrasi, akurasi data, dan transparansi pengelolaan lomba. Pengujian menggunakan System Usability Scale (SUS) menghasilkan skor rata-rata 84,2 dengan kategori Excellent, sedangkan evaluasi melalui Technology Acceptance Model (TAM) menunjukkan seluruh variabel berada pada kategori sangat tinggi. Temuan ini membuktikan bahwa sistem yang dikembangkan bermanfaat, mudah dioperasikan, dan memiliki potensi kuat untuk diadopsi secara berkelanjutan sebagai model pengelolaan lomba Pramuka yang modern, transparan, dan profesional.
Implementasi Clean Architecture pada Sistem Manajemen Tiket Penanganan Insiden Rifa'i, Bahtiar; Subhi, Dian Hanifudin; Astiningrum, Mungki
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8892

Abstract

Keamanan siber telah menjadi isu global yang semakin krusial seiring pesatnya perkembangan teknologi informasi. Laporan Badan Siber dan Sandi Negara (BSSN) mencatat lebih dari 888 juta serangan siber di Indonesia pada tahun 2021, menegaskan tingginya urgensi akan sistem manajemen insiden yang efektif, terstruktur, dan responsif. Penelitian ini bertujuan membangun sistem manajemen tiket insiden yang mengintegrasikan platform komunikasi populer, WhatsApp, sebagai jalur pelaporan otomatis, sekaligus menerapkan prinsip Clean Architecture untuk memastikan modularitas, fleksibilitas, serta kemudahan pengujian. Sistem dikembangkan menggunakan Golang pada backend untuk performa tinggi, pustaka Baileys (Node.js) untuk integrasi WhatsApp, MongoDB sebagai basis data, dan React (TypeScript) dengan dukungan WebSocket pada frontend. Metodologi pengembangan mencakup studi literatur, analisis kebutuhan, perancangan sistem, implementasi, serta pengujian. Hasil evaluasi menunjukkan bahwa unit test pada lapisan use case mencapai coverage 91,6%, melampaui standar minimal 80% untuk kestabilan logika bisnis. Integrasi WhatsApp memungkinkan pembuatan tiket otomatis dan notifikasi real-time, sehingga mempercepat eskalasi insiden. Sementara itu, pengujian User Acceptance Test (UAT) oleh tujuh responden menghasilkan skor rata-rata 90,61%, dengan aspek percepatan eskalasi mencapai 97,14%. Temuan ini membuktikan bahwa kombinasi Clean Architecture dan integrasi WhatsApp mampu menghasilkan sistem manajemen insiden yang modular, responsif, serta efektif dalam mendukung kebutuhan operasional keamanan siber modern dan siap untuk diadopsi di lingkungan industri.
Automated Synthesis Of Product Return Recommendations Via Groq And Large Language Models Dian Hanifudin Subhi; usman nurhasan; Ibnu Tsalis Assalam
MULTITEK INDONESIA Vol 20 No 1 (2026): July (On Progress)
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v20i1.13659

Abstract

Industrial economic resilience depends on the efficiency of after-sales service provisioning, which is often hindered by semantic ambiguity in customer reports and latency constraints of conventional computing infrastructures. This study examines the integration of a Language Processing Unit (LPU) with a Large Language Model (LLM) under a Deterministic Reasoning Architecture (DRA) framework to address these limitations. Experiments were conducted on a heterogeneous dataset (N = 27.500) consisting of operational service records from PT Rekaindo Global Jasa and a Southeast Asian manufacturing entity over the period 2021–2025. Semantic complexity analysis based on Shannon Entropy indicates that the Repair category exhibits the highest information density (5.2 bits), corresponding to an increased risk of logical failure. Performance benchmarking demonstrates that the proposed LPU-based architecture achieves deterministic inference with a Risk Priority Number (RPN) of 42 significantly lower than stochastic GPU-based baselines (RPN > 120). Predictive integrity evaluation yields an AUC–ROC of 0.988 and an inter-rater agreement of 0.81 (Fleiss Kappa), indicating substantial alignment between automated recommendations and expert assessments. Economic robustness is validated through Monte Carlo simulations, showing a 94.2 % probability of achieving Return on Investment within 20 months, even under high-volatility scenarios. Furthermore, the framework complies with ISO/IEC 42001:2023 and the EU AI Act, achieving a Fairness Ratio above 0.94. Overall, the results demonstrate that the LPU–LLM synergy enables fast, reliable, and responsible generative AI deployment in industrial settings.
Bahasa Inggris Usman Nurhasan; Dian Hanifudin Subhi; Anugrah Nur Rahmanto; Endah Septa Sintiya; Deddy Kusbianto Purwoko Aji
MULTITEK INDONESIA Vol 20 No 1 (2026): July (On Progress)
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v20i1.13681

Abstract

Automated evaluation of flowchart representations is essential for the facilitation of the acquisition of basic programming concepts. Nevertheless, traditional evaluation systems that rely exclusively on structural matching demonstrate some of their most fundamental limitations. The false negative misclassification rates of such systems are frequently high when students create visually distinct structures for algorithmic logic that are semantically equivalent. A hybrid assessment framework is introduced in this study to improve the reliability and efficacy of code evaluation in order to address this challenge. The model that has been proposed combines the probabilistic feature extraction capabilities of Graph Convolutional Networks (GCNs) with mathematical logic verification through symbolic execution of an SMT Solver. While the SMT Solver deterministically establishes functional equivalence, the GCN module adaptively manages graph topological variations. Use of a real-world dataset consisting of 3.600 flowcharts generated by novice students was implemented to assess the hybrid system's functionality. According to quantitative experimental results, the proposed framework obtained a peak F1 Score of 0.88, which is a substantial improvement over conventional Abstract Syntax Tree (AST) methods (F1 Score 0.75). Additionally, the 77.4% reduction in false negative rates was achieved by incorporating the SMT Solver in comparison to a pure GCN configuration. Finally, the semantic equivalence and structural divergence issues that arise during algorithm assessment are effectively resolved by this dual architectural integration. By implementing the proposed system, higher education institutions are equipped with a more dependable mechanism for reducing human error, thereby improving the impartiality, accuracy, and efficiency of the evaluation process.
Evaluasi Penilaian Otomatis Pemrograman Web Laravel pada Platform LAIBA Dian Hanifudin Subhi; Putra Prima Arhandi; Annisa Taufika Firdausi; Putranda Bagus Cahya Lumintang
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15641

Abstract

Laravel adalah framework PHP open-source yang memudahkan pengembangan aplikasi web, namun beberapa sistem pembelajaran yang ada belum memberikan umpan balik yang efektif. Learning Application in Balanced Assessment (LAIBA) diusulkan sebagai aplikasi pembelajaran berbasis Laravel dengan fitur penilaian otomatis dan umpan balik terarah untuk meningkatkan pemahaman mahasiswa. Dalam sistem ini, mahasiswa menyelesaikan studi kasus menggunakan Laravel, kemudian mengirimkan kode untuk diperiksa dan dinilai oleh sistem. Data penilaian digunakan untuk mengidentifikasi topik yang perlu dipahami lebih lanjut. Pengujian dilakukan dengan metode pre-test dan post-test, yang menunjukkan peningkatan pemahaman mahasiswa secara keseluruhan. Hasil pengujian secara umum, LAIBA mampu meningkatkan pemahaman mahasiswa berdasarkan nilai rata-rata dengan signifikansi sebesar 0,294. Walaupun belum dapat dinyatakan mendapatkan hasil peningkatan secara signifikan secara umum, tetapi untuk data cluster nilai rata-rata rendah naik sebesar 26% dan menunjukkan peningkatan performa yang signifikan pada kelompok tersebut.
Co-Authors Ade Ismail Aldi Wirawan Aldi Wirawan Aldyansyah, Kevin Amanda, Sely Ruli Annisa Taufika Firdausi Annisa Taufika Firdausi Anugrah Nur Rahmanto Astiningrum, Mungki Banni Satria Andoko Batubulan, Kadek Suarjuna Deddy Kusbianto Purwoko Aji Dhike Almira Ramadiyah Ekojono, Ekojono Endah Septa Sintiya Fahmi Zain Afif Winatama Ibnu Tsalis Assalam Ikawati, Deasy Sandhya Elya Indra Dharma Wisjaya Luqman Affandi Nila Ayu Setyaningrum Nindy Alvi Fajarina Noprianto, Noprianto Pramana Yoga Saputra Pramudhita, Agung Nugroho Pratama, Adevian Fairuz Putra Prima Arhandi, Putra Prima Putranda Bagus Cahya Lumintang Rahmanto, Anugrah Nur Ramadiyah, Dhike Almira Retno Damayanti Rifa'i, Bahtiar Rosa Andrie Asmara Sumiadji Suryadi, Satrio Binusa Syehfi Amali Syehfi Amali Ulfa, Farida Usman Nurhasan Vipkas Al Hadid Firdaus Waskitho Wibisono Wibowo, Yogik Tri Winatama, Fahmi Zain Afif Yogik Tri Wibowo Yuri Ariyanto Yuri Ariyanto