Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal POROS TEKNIK Jurnal IMPACT: Implementation and Action Journal of Information Systems and Informatics
Kun Nursyaiful Priyo Pamungkas
Politeknik Negeri Banjarmasin
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Other

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

Found 3 Documents
Search

 1 
Rancang Bangun Sistem Pendukung Keputusan Untuk Penentuan Penerima Bantuan Raskin Dengan Menggunakan Metode Topsis Saberan Saberan; Kun Nursyaiful Priyo Pamungkas; Hendri Yanur
POROS TEKNIK Vol. 9 No. 2 (2017)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/porosteknik.v9i2.649

Abstract

Salah satu program pemerintah yang diberikan kepada keluarga miskin adalah dengan memberikan raskin. Dalam penentuan calon penerima raskin pemerintah memiliki beragam kriteria supaya pembagian beras tepat sasaran. Namun pada kenyataanya penentuan penerima raskin tidak tertuju pada semua kriteria-kriteria yang ada sehingga hasil penentuan tersebut terkesan bersifat subyektif. Banyaknya warga miskin yang ada di seluruh Indonesia, khususnya Sampit dengan beragam kondisi mengakibatkan penentuan calon penerima raskin semakin sulit karena banyaknya kriteria yang di butuhkan. Pada penelitian ini dibuat sebuah Sistem Pendukung Keputusan untuk membantu pihak pengambil keputusan dalam penentuan calon penerima raskin sebagai rekomendasi dari pihak terkait dalam pengambilan keputusan. Dimana sistem ini nantinya cukup membantu pemerintah pada Dinas Sosial Kota Banjarmasin. Sistem ini menggunakan metode TOPSIS (Technique for Order Performance by Similarity to Ideal Solution). Kelebihan dari TOPSIS antara lain TOPSIS cocok digunakan untuk menyelesaikan suatu masalah dengan beragam kriteria dengan menerapkan bobot nilai pada setiap kriterianya. Perhitungan TOPSIS akan menghasilkan suatu peringkat yang dapat membantu pemerintah dalam membandingkan hasil nilai tiap warga sesuai tingkat kriteria yang telah di tentukan oleh pemerintah.
Pengembangan dan Pelatihan Penggunaan e-Learning Pada MTS Muhammadiyah 3 Al-Furqon Banjarmasin Kun Nursyaiful Priyo Pamungkas; Joni Riadi; Ida Hastuti; Yoenie Indrasary
Jurnal IMPACT: Implementation and Action Vol. 1 No. 1 (2018)
Publisher : Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/impact.v1i1.633

Abstract

Kegiatan Pengabdian Kepada Masyarakat ini dilaksanakan di MTS Muhammadiyah 3 Al-Furqon Banjarmasin. Berdasarkan survey lapangan, di MTS Muhammadiyah 3 Al-Furqon Banjarmasin untuk proses kegiatan belajar mengajar sepenuhnya menggunakan metode manual dan belum memiliki e-learning sekolah. Pemanfaatan metode manual sepenuhnya tersebut dapat ditingkatkan dengan penambahan e-learning sebagai sarana kegiatan belajar mengajar yang efektif. E-learning yang dibangun guna mengakomodasi guru dalam memberikan kebutuhan belajar pada siswa. Kebutuhan belajar tersebut seperti bahan belajar yang dapat diakses kapan saja dan dimana saja, efisien dalam penyimpanan bahan ajar dan tugas, dan praktis pada penggunaannya. Target yang hendak dicapai dari kegiatan pengabdian kepada masyarakat ini adalah agar sekolah dapat memiliki e-learning sekolah untuk mengakomodasi guru dalam manajemen kebutuhan belajar dan mempermudah kegiatan belajar mengajar antara guru dan siswa. Kegiatan pengabdian masyarakat ini diharapkan bermanfaat guna warga sekolah dapat mengakses bahan ajar dengan mudah, efisien serta dapat dilakukan kapanpun dan dimanapun mereka berada tanpa mengenal jarak dan waktu.
A Lightweight Classical Machine Learning Pipeline for Rice NPK Deficiency Classification Using Hand-Crafted Feature Fusion Dhiyaussalam; Kun Nursyaiful Priyo Pamungkas; Wanvy Arifha Saputra; Ahmad Yusuf
Journal of Information System and Informatics Vol 8 No 2 (2026): April
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i2.1486

Abstract

Many high-accuracy deep learning solutions for plant nutrient deficiency remain impractical in resource-limited settings due to computational cost and limited explainability. This study proposes a lightweight classical machine learning pipeline for rice leaf NPK (nitrogen, phosphorus, potassium) deficiency classification on the publicly available Kaggle Nutrient-Deficiency-Symptoms-in-Rice dataset (1,156 images); all results should be interpreted in this dataset context rather than as field-validated performance. The pipeline applies HSV-based leaf segmentation to reduce background influence. It extracts a 126-dimensional feature set combining masked color moments, HSV histograms, vegetation indices, LBP and GLCM texture descriptors, and spatial symptom ratios. Hyperparameters are tuned via RandomizedSearchCV with 5-fold StratifiedKFold and macro-F1 scoring; final evaluation uses a held-out 80/20 stratified test set kept separate throughout tuning. XGBoost achieves the best test performance (accuracy 0.9267; macro-F1 0.9233), followed by SVM-RBF (0.9224; 0.9187) and Random Forest. Feature importance analysis confirms that color moments dominate class separability, with texture and spatial features providing complementary support. The dominant remaining error is phosphorus–potassium confusion. The novelty lies in integrating leaf-focused preprocessing with a structured, low-cost feature representation suitable for mobile or edge deployment.
Co-Authors Ahmad Yusuf Dhiyaussalam Hendri Yanur Ida Hastuti Joni Riadi Saberan Wanvy Arifha Saputra Yoenie Indrasary