Fajar Budi Hartono
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS Wulandari, Fera Tri; Hartono, Fajar Budi
MAGISTRA Vol 26, No 87 (2014): Magistra Edisi Maret
Publisher : MAGISTRA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (13.153 KB)

Abstract

Pemilihan produk unggulan diharapkan dapat membantu pihak perindustrian dan perdagangan dalam menentukan produk unggulan berdasarkan data jumlah unit usaha untuk setiap jenis industri, data jumlah tenaga kerja, nilai investasi dan nilai produksi yang akan dirangking. Diawali dengan melakukan analisa terhadap industri, kriteria penilaian yang nanti selanjutnya digunakan sebagai kriteria dalam proses perangkingan dan bobot dari masing-masing kriteria penilaian. Nilai bobot kriteria dari masing-masing industri tersebut diproses dengan melakukan analisis TOPSIS untuk mendapatkan industri dengan peringkat terbaik berdasarkan bobot dari masing-masing kriteria. Hasil ditampilkan dalam dashboard bentuk diagram batang untuk menunjang pengambilan keputusan oleh pihak perindustrian dan perdagangan. Kata kunci: TOPSIS, MCDM, Unggulan
Systematic Literature Review Pengembangan Aplikasi Mobile Cross-Platform: Tren, Kinerja, dan Tantangan Flutter, React Native, Xamarin Hartono, Fajar Budi
Indonesian Journal Computer Science Vol. 5 No. 1 (2026): April 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v5i1.12340

Abstract

Perkembangan teknologi mobile semakin pesat, namun fragmentasi platform seperti Android dan iOS membuat pengembangan aplikasi menjadi lebih kompleks dan memakan waktu. Pengembangan aplikasi cross-platform muncul sebagai solusi untuk mengurangi biaya dan waktu pengembangan, sambil tetap mempertahankan performa dan pengalaman pengguna yang baik. Artikel ini melakukan analisis literatur terhadap berbagai framework cross-platform populer, seperti Flutter, React Native, dan Xamarin, dengan meninjau publikasi ilmiah dari tahun 2015 hingga 2025. Metode yang digunakan adalah tinjauan pustaka sistematis, mengumpulkan, menganalisis, dan membandingkan kelebihan, kekurangan, serta tren penggunaan masing-masing framework. Hasil tinjauan menunjukkan bahwa Flutter dan React Native menjadi pilihan dominan karena kemudahan pengembangan, performa mendekati native, dan komunitas yang aktif. Namun, tantangan masih ada pada integrasi fitur-fitur native tertentu dan optimasi performa pada aplikasi berskala besar. Artikel ini memberikan panduan ilmiah bagi pengembang dan peneliti untuk memahami tren terkini dalam pengembangan aplikasi mobile cross-platform serta membuka peluang penelitian lebih lanjut dalam optimasi performa dan pengembangan framework baru.
Perancangan Kecerdasan Buatan untuk Prediksi Kelulusan Mahasiswa pada Sistem Informasi Akademik Hartono, Fajar Budi; Suradi, Agustinus; Lutfiyani, Rizka Safitri; Meutifa, Ellis Cindy
Indonesian Journal Computer Science Vol. 5 No. 2 (2026): Oktober 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v5i2.14453

Abstract

Perkembangan sistem informasi akademik menghasilkan data akademik mahasiswa dalam jumlah besar yang belum sepenuhnya dimanfaatkan sebagai sumber informasi strategis untuk mendukung pengambilan keputusan. Salah satu permasalahan yang dihadapi perguruan tinggi adalah keterlambatan dalam mengidentifikasi mahasiswa yang berpotensi mengalami keterlambatan kelulusan. Penelitian ini bertujuan merancang kecerdasan buatan untuk memprediksi kelulusan mahasiswa berdasarkan data akademik serta merancang integrasinya dengan sistem informasi akademik sebagai sistem pendukung keputusan. Pendekatan penelitian menggunakan perancangan sistem berbasis data mining dan machine learning yang meliputi studi literatur dan analisis kebutuhan, identifikasi serta perancangan data akademik, praproses data, pemilihan algoritma, perancangan model prediksi, evaluasi model, dan perancangan integrasi sistem. Algoritma yang dipertimbangkan dalam perancangan adalah Decision Tree dan Naive Bayes dengan evaluasi menggunakan accuracy, precision, recall, dan confusion matrix. Hasil yang diharapkan berupa rancangan model kecerdasan buatan, struktur dan alur pengolahan data akademik, mekanisme evaluasi, serta arsitektur integrasi model prediksi ke dalam sistem informasi akademik. Rancangan tersebut diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan yang membantu pengelola akademik melakukan pemantauan dan intervensi secara lebih dini dan berbasis data.