Article Per Year (5 Year)
p-Index From 2020 - 2025
2.319
P-Index
This Author published in this journals
All Journal snimed Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI J I M P - Jurnal Informatika Merdeka Pasuruan PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Informasi dan Sistem Komputer Djtechno: Jurnal Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business
Fadil Indra Sanjaya
Universitas Teknologi Yogyakarta
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

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

Found 15 Documents
Search

 1   2 
Penerapan Metode Fuzzy Tsukamoto Dalam Sistem Pakar Diagnosis Penyakit Pada Sapi Baraputri, Jennie Nadia; Sanjaya, Fadil Indra
Journal of Information System Research (JOSH) Vol 6 No 2 (2025): Januari 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i2.6568

Abstract

Cattle are one of the most widely cultivated animals in Indonesia. Cattle diseases are also a major challenge in animal husbandry and can affect productivity and animal welfare. To face these challenges, an accurate disease detection and diagnosis system is needed. Such a system is essential to reduce the risk of disease spread and speed up the treatment process. Research was conducted to develop an expert system using the Fuzzy Tsukamoto method. This method was chosen because it can handle data uncertainty in clinical symptoms. To determine the diagnosis results, the system consists of five main stages, namely data collection of disease symptoms and characteristics, data fuzzification, rule base formation, fuzzy inference process, and defuzzification. The system is also designed by including symptom and characteristic variables, as well as diagnostic rules that help the diagnosis process automatically. Based on the fuzzy inference and defuzzification process that has been carried out, the final result for the diagnosis of Herpes disease is 90% and Mastitis disease is 90% which means the severity of the disease is “Severe”.
Klasifikasi Kualitas Air Sungai Daerah Istimewa Yogyakarta (DIY) Menggunakan Algoritma Random Forest Ristianto, Andika; Sanjaya, Fadil Indra
Jurnal Sistem Informasi dan Sistem Komputer Vol 10 No 1 (2025): Vol 10 No 1 - 2025
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v10i1.575

Abstract

Ketersediaan air bersih yang memadai berpengaruh signifikan terhadap kesehatan masyarakat, pertumbuhan ekonomi, dan keberlanjutan lingkungan. Data Badan Pusat Statistik Daerah Istimewa Yogyakarta tahun 2021 menunjukkan peningkatan jumlah pelanggan air bersih sebesar 8,20%. Data Badan Pusat Statistik Daerah Istimewa Yogyakarta tahun 2022 menunjukkan sungai memiliki peran penting sebagai sumber daya air utama untuk perusahaan air bersih. DLHK sebagai dinas terkait menentukan status mutu air dengan menggunakan metode STORET atau metode Indeks Pencemaran (IP), yang tentunya memerlukan waktu yang lama. Oleh karena itu, diperlukan pemantauan yang efisien dalam klasifikasi kualitas air sungai untuk mengatasi permaslahan yang ada. Penelitian ini mengembangkan model klasifikasi dengan Random Forest menggunakan metode cross-validation yang menunjukkan akurasi rata-rata 100% pada data pelatihan dan 91,43% pada data pengujian. Meskipun ada indikasi overfitting, model dengan indeks ke-4 dipilih dan menunjukkan akurasi klasifikasi 97,93% pada data baru. Hasil ini menunjukkan bahwa model mampu mengklasifikasi kualitas air sungai di DIY dengan baik.
Prediksi Omset Penjualan Toko Mbak Ning Pasar Cinderamata Menggunakan Long Short Term Memory Pratama, Mohammad Bayu; Sanjaya, Fadil Indra
Jurnal Sistem Informasi dan Sistem Komputer Vol 10 No 1 (2025): Vol 10 No 1 - 2025
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v10i1.580

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam perekonomian Indonesia, namun sering menghadapi tantangan dalam mengelola penjualan. Penelitian ini berfokus pada Toko Mbak Ning di Pasar Cinderamata, yang menjual kebutuhan sandang. Tujuan penelitian ini adalah mengembangkan model prediksi omset penjualan yang akurat menggunakan metode Long Short Term Memory (LSTM) dengan hyperparameter tuning. Data yang digunakan berjumlah 89 baris, dari Januari 2017 hingga Mei 2024. Metode penelitian meliputi business understanding, pengumpulan data, exploratory data analysis, persiapan data, implementasi model LSTM, dan evaluasi kinerja model menggunakan RMSE dan MAPE. Model menghasilkan akurasi prediksi dengan RMSE 0.1484 dan MAPE 24.8%. Prediksi untuk 7 bulan ke depan menunjukkan tren penjualan yang sedikit menurun.
Deteksi Tingkat Stres Mahasiswa Dengan Logika Fuzzy Tsukamoto Aryanto, Fajar Hanggoro Dwi; Syuhada, Arya Firgi; Putra, Fajar Permana; Mahardika, Setiawan Putra; Jayanegara, Adi Prabu; Sanjaya, Fadil Indra
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1042

Abstract

Stres pada mahasiswa merupakan permasalahan serius yang dapat berdampak negatif terhadap kesehatan mental dan performa akademik apabila tidak ditangani dengan baik. Dampak tersebut tidak hanya terbatas pada penurunan prestasi akademik, tetapi juga dapat mengarah pada gangguan psikologis jangka panjang yang menghambat proses pembelajaran dan perkembangan pribadi mahasiswa. Penelitian ini bertujuan untuk mengembangkan sistem deteksi tingkat stres mahasiswa menggunakan metode logika fuzzy Tsukamoto. Sistem ini dirancang untuk mengelola data subjektif dan tidak pasti berdasarkan lima parameter utama, yaitu kualitas tidur, performa akademik, hubungan mahasiswa-dosen, dukungan sosial, dan kondisi lingkungan. Proses inferensi dilakukan melalui pembentukan himpunan fuzzy dan 48 aturan IF-THEN yang disusun berdasarkan kombinasi kelima parameter tersebut. Penelitian ini melibatkan penyebaran kuesioner kepada mahasiswa Program Studi Informatika Universitas Teknologi Yogyakarta untuk memperoleh data yang kemudian diproses dalam sistem fuzzy. Hasil akhir dari sistem ini berupa nilai crisp yang menunjukkan tingkat stres mahasiswa, yang dikategorikan dalam level normal hingga tinggi. Diharapkan sistem ini dapat menjadi alat bantu bagi institusi pendidikan dalam mendeteksi dan menangani gejala stres mahasiswa secara cepat dan tepat.
Classification of Nutritional Status Using the Fuzzy Mamdani Method : Case Study at Banjar City Hospital Nugraha, Muhammad Satria; Sanjaya, Fadil Indra
Journal of Applied Informatics and Computing Vol. 9 No. 4 (2025): August 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i4.9893

Abstract

The problem of nutritional status in adults requires accurate and adaptive classification methods. This study aims to develop a decision support system using the Fuzzy Mamdani method to classify nutritional status based on Body Mass Index (BMI). A dataset consisting of 237 anthropometric records from Banjar City Regional General Hospital was utilized. The system applies five fuzzy rules to map BMI values into nutritional categories: malnutrition, underweight, normal, overweight, and obesity. The classification process involves fuzzification, inference, and defuzzification using the centroid method. System performance evaluation shows an overall accuracy of 91.13%, with the highest classification precision achieved in the normal category (98.54%) and the lowest in the malnutrition category (30.77%). The results demonstrate that the Fuzzy Mamdani method is effective for nutritional classification, although refinement is needed for underrepresented categories. This system can serve as a useful tool for supporting clinical decision-making in public health services.
Co-Authors Anna Dina Kalifia Aryanto, Fajar Hanggoro Dwi Astrianty, Ledy Elsera Baraputri, Jennie Nadia Dadang Heksaputra Dadang Heksaputra Dini Erlinawati Elfan Fanhas Khoeri Fariddudin Ar-Razi Ab Febri Liantoni Heksaputra, Dadang Jayanegara, Adi Prabu Kalifia, Anna Dina Mabruri, Abdul Basith Mahardika, Setiawan Putra Muhammad Fachrie Muhammad Nurjaman Mulia Sulistiyono Novianto, Amrizal Nugraha, Muhammad Satria Nuzula Afini Pramudwiatmoko, Arif Pratama, Mohammad Bayu Putra, Fajar Permana Rahmatullah, Andi Ramadhan, Religius Ristianto, Andika Sulistyo Dwi Sancoko Syuhada, Arya Firgi Taufik Hidayah Yuliana Rizki Ikhsanty Zahra Septa Hati