Article Per Year (5 Year)
p-Index From 2021 - 2026
1.286
P-Index
This Author published in this journals
All Journal Infotech Journal KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Journal of Multimedia Technology and Applied Software
Deffy Susanti
Universitas Majalengka
Computer Science & IT Electrical & Electronics Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : infotech journal

 1 
IMPLEMENTASI ALGORITMA FUZZY TSUKAMOTO PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) DI KABUPATEN MAJALENGKA Suhendri Suhendri; Deffy Susanti; Reyza Reantino Hanggara
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3312

Abstract

Program Keluarga Harapan yang selanjutnya disebut PKH adalah program pemberian bantuan sosial bersyarat kepada Keluarga Miskin (KM) yang ditetapkan sebagai keluarga penerima manfaat PKH Sebagai upaya percepatan penanggulangan kemiskinan, sejak tahun 2007 Pemerintah Indonesia telah melaksanakan PKH. Permasalahan yang dihadapi dalam penentuan penerima bantuan ini adalah masih ada kesalahan dalam pemberian bantuan PKH yang tidak tepat sasaran, hal ini terjadi karena belum adanya system penentuan penerima bantuan . berdasarkan permasalahan tersebut maka diperlukan adanya alat bantu berupa system dengan metode yang tepat dalam menentukan penerima bantuan dan menghasilkan ranking dari hasil perhitungan bobot tiap kriteria. Metode perhitungan yang digunakan ialah Metode Fuzzy Tsukamoto sering juga memiliki ciri bahwa setiap konsekwen yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Metode pengumpulan data yang digunakan adalah observasi, wawancara, Hasil implementasi dari sistem pengambilan keputusan penentuan keluarga miskin tersebut menghasilkan 8 data keluarga berupa persentase (%) angka , untuk hasil yang layak mendapatkan bantuan sebanyak 60% dan yang tidak layak mendapatkan bantuan sebanyak 40 % yang diperoleh dari jumlah data yang telah diuji.
ANALISIS POTENSI BENCANA ALAM TANAH LONGSOR KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER Deffy Susanti; Tantri Wahyuni
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.5645

Abstract

Bencana alam adalah salah satu fenomena yang dapat terjadi setiap saat sehingga menimbulkan risiko atau bahaya terhadap kehidupan manusia Dalam banyak nya bentuk bencana alam terdapat bencana alam tanah longsor. Potensi terjadinya pada lereng tergantung pada kondisi batuan dan tanah penyusunannya, struktur geologi, curah hujan dan penggunaan lahan. Dilihat dari karateristik wilayah Kabupaten Majalengka maka dilakukan analisis kerentanan tingkat potensi bahaya tanah longsor. Salah satu metode yang dapat digunakan untuk menentukan potensi bahaya tanah lonngsor adalah algoritma klasifikasi Naïve Bayes Classifier. Naive Bayes Classifier merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Metode Naïve Bayes Classifier dangan melakukan prediksi menggunakan Rapidminer menghasilkan nilai akurasi pengklasifikasian sebesar 82,61%. Kata Kunci: bencana alam, potensi, tanah longsor
IMPLEMENTASI METODE K-NEARST NEIGHBOR (K-NN) MEMPREDIKSI NILAI AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI SEMESTER Dede Abdurahman; Suhendri; Deffy Susanti; Dede Didin
INFOTECH journal Vol. 10 No. 1 (2024)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v10i1.8066

Abstract

Perguruan tinggi, seperti Universitas Majalengka, memiliki peran penting dalam memberikan pendidikan akademik dan profesional. Untuk meningkatkan kualitas layanan akademik, Fakultas Teknik Universitas Majalengka merancang aplikasi berbasis web menggunakan metode K-Nearest Neighbor (KNN) untuk memprediksi perkembangan Indeks Prestasi (IP) mahasiswa. Dengan tujuan memantau dan membantu mahasiswa dalam merencanakan studi mereka, aplikasi ini menggabungkan teknologi informasi dan algoritma KNN. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil memprediksi kemajuan IP mahasiswa secara akurat. Dosen pembimbing akademik dapat menggunakan prediksi ini untuk memberikan pendampingan kepada mahasiswa yang berpotensi mengalami penurunan nilai. Dengan pendekatan waterfall dalam pengembangan sistem aplikasi, serta implementasi metode KNN, aplikasi ini menjadi alat yang berharga dalam meningkatkan kualitas pendidikan di Fakultas Teknik Universitas Majalengka. Dengan demikian, aplikasi ini membawa manfaat bagi dosen, Fakultas Teknik, dan mahasiswa, membantu mereka dalam merencanakan strategi peningkatan prestasi akademik. Dengan pemanfaatan teknologi dan prediksi yang tepat, aplikasi ini mendukung pencapaian visi dan misi Fakultas Teknik untuk berperan aktif dalam pembangunan teknologi, ilmu pengetahuan, dan seni nasional.
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN JADWAL TANAM ADAPTIF BERBASIS BOT WHATSAPP DENGAN DETEKSI MUSIM OTOMATIS Suhendri; Deffy Susanti; Fairuz Izzudin Kamil; Trisna Rafi Agustian; M. Trisna; Fitra AbdulHafizh M.
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17796

Abstract

Ketidakpastian iklim menjadi tantangan utama dalam sektor pertanian, seringkali menyebabkan kegagalan panen akibat kesalahan penentuan jadwal tanam. Meskipun teknologi digital menawarkan solusi, tingkat adopsi di kalangan petani masih rendah karena rendahnya literasi digital dan antarmuka aplikasi yang kompleks. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) adaptif berbasis Bot WhatsApp yang mampu mendeteksi status musim secara otomatis untuk memberikan rekomendasi jadwal tanam yang presisi. Sistem dikembangkan menggunakan metode Rule-Based System dengan mesin inferensi Forward Chaining yang mengintegrasikan data prediksi Zona Musim (ZOM) BMKG. Berbeda dengan aplikasi konvensional, sistem ini meminimalkan input pengguna dengan mengotomatisasi deteksi variabel agroklimat. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi komoditas (Padi, Jagung, Cabai) yang sesuai dengan kondisi lahan (Irigasi/Tadah Hujan) dan status musim real-time. Penggunaan antarmuka percakapan WhatsApp terbukti efektif menurunkan hambatan interaksi teknologi, memungkinkan petani mendapatkan panduan jadwal tanam yang akurat tanpa perlu mempelajari navigasi perangkat lunak yang rumit.
Co-Authors Abdurahman, Dede Ai Tisti Pratiwi Asep Syarifuddin Zuhri Aula Nur Rizal Ardiyantoro Dede Didin Fairuz Izzudin Kamil Fitra AbdulHafizh M. Kholid Mubarok M. Trisna Reyza Reantino Hanggara Suhendri Suhendri Tantri Wahyuni Trisna Rafi Agustian