Article Per Year (5 Year)
p-Index From 2021 - 2026
8.61
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Simantec Jurnal Informatika dan Teknik Elektro Terapan Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Komtika (Komputasi dan Informatika) Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi CSRID (Computer Science Research and Its Development Journal) Jurnal IMPACT: Implementation and Action Technologia: Jurnal Ilmiah Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Informasi dan Teknologi Journal of Applied Engineering and Technological Science (JAETS) JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Computer Networks, Architecture and High Performance Computing Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Walisongo Journal of Information Technology Jumat Informatika: Jurnal Pengabdian Masyarakat Majalah Ilmiah UPI YPTK Jurnal Media Informatika TIERS Information Technology Journal Jurnal Informatika Dan Tekonologi Komputer (JITEK) Digital Transformation Technology (Digitech) Adpebi Science Series Jurnal Kolaborasi Sains dan Ilmu Terapan INSTALL: Information System and Technology Journal Darma Abdi Karya: Jurnal Pengabdian Kepada Masyarakat Jurnal Komtika (Komputasi dan Informatika) Jurnal Informatika Dan Tekonologi Komputer INTECH - Informatika Dan Teknologi
Finki Dona Marleny
Universitas Muhammadiyah Banjarmasin
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Neuroscience Social Sciences Transportation Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 4   5   6   7   8 
Sistem Pendukung Keputusan Pemilihan Ketua BEM UM Banjarmasin Menggunakan Metode Profile Matching Susanti, NurAina; Windarsyah; Finki Dona Marleny
JURNAL FASILKOM Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i1.9123

Abstract

Pemilihan Ketua Badan Eksekutif Mahasiswa (BEM) Universitas Muhammadiyah Banjarmasin masih dilakukan secara konvensional, seperti pendaftaran manual dan pemungutan suara melalui Google Form, yang rentan terhadap keterlambatan pembaruan data dan ketidakakuratan informasi. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Profile Matching untuk meningkatkan transparansi dan efisiensi proses pemilihan. Sistem menilai kandidat berdasarkan kriteria kepemimpinan, pengalaman organisasi, program kerja, komunikasi, dan kepribadian dengan menghitung gap antara profil kandidat dan profil ideal. Semakin kecil nilai gap, semakin tinggi nilai kesesuaian kandidat. Sistem ini dilengkapi dengan fitur pendaftaran digital, verifikasi dokumen otomatis, dan pemungutan suara berbasis web dengan pembaruan data pemilih secara real-time. Pengujian terhadap tiga kandidat menunjukkan bahwa Ahmad Ryan Tryantama memperoleh skor akhir tertinggi sebesar 4,648, diikuti oleh Muhammad Abil Tanoto dengan skor 4,384, dan Siskha Danil Arif Saputra dengan skor 4,264. Hasil ini membuktikan bahwa sistem mampu membantu menentukan kandidat terbaik secara objektif, sehingga meningkatkan kepercayaan dalam proses pemilihan.
Optimalisasi Pengalokasian Bantuan Sosial di Kota Banjarmasin Menggunakan Pendekatan Naive Bayes Adha, Muhammad Iqbal; Marleny, Finki Dona; Ningrum, Ayu Ahadi
Digital Transformation Technology Vol. 5 No. 1 (2025): Periode Maret 2025
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v5i1.6001

Abstract

Penelitian ini bertujuan untuk mengoptimalkan pengalokasian bantuan sosial di Kota Banjarmasin melalui pendekatan klasifikasi Naive Bayes berdasarkan data sosial-ekonomi masyarakat. Latar belakang penelitian ini didasarkan pada kebutuhan untuk mendistribusikan bantuan secara lebih tepat sasaran di tengah keterbatasan sumber daya, dengan memanfaatkan data terbaru dari Kota Banjarmasin. Tujuan penelitian adalah menerapkan model klasifikasi untuk mengidentifikasi prioritas penerima bantuan berdasarkan variabel seperti pendidikan, penghasilan, status perkawinan, dan kecamatan. Metode penelitian melibatkan pembersihan data, pengelompokan variabel, pembuatan skor prioritas, dan penerapan algoritma Naive Bayes dengan penanganan ketidakseimbangan data menggunakan SMOTE lengkap dengan metrik evaluasi. Hasil penelitian menunjukkan bahwa model Naive Bayes mencapai akurasi 95% pada data pengujian dan seluruh data, dengan distribusi prioritas sebagai berikut: Prioritas Tinggi (46,2%), Prioritas Sedang (29,3%), dan Prioritas Rendah (24,5%). Kecamatan Banjarmasin Selatan, Banjarmasin Barat, dan Banjarmasin Utara diidentifikasi sebagai wilayah dengan jumlah prioritas tinggi terbanyak. Implikasi praktis dari penelitian ini adalah rekomendasi alokasi bantuan yang lebih terarah, strategi distribusi cepat, dan program pendukung seperti pelatihan keterampilan untuk kelompok prioritas sedang. Kesimpulan penelitian menegaskan bahwa pendekatan ini efektif untuk alokasi bantuan yang efisien, namun evaluasi berkala diperlukan untuk memastikan relevansi model di masa depan.
PREDIKSI PEMILIHAN PROGRAM STUDI PADA MAHASISWA KIP FAKULTAS TEKNIK MENGGUNAKAN ALGORITMA RANDOM FOREST Hamdani, Hamdani; Windarsyah, Windarsyah; Marleny, Finki Dona
PENDIDIKAN SAINS DAN TEKNOLOGI Vol 12 No 3 (2025)
Publisher : STKIP PGRI Situbondo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47668/edusaintek.v12i3.1800

Abstract

Pemilihan program studi yang tepat sangat penting untuk mendukung keberhasilan akademik, terutama bagi mahasiswa penerima bantuan KIP Kuliah. Banyak kasus menunjukan bahwa mahasiswa memilih prodi tidak sesuai dengan minat atau potensi karena pengaruh luar, seperti orang tua atau keterbatasan informasi. Penelitian ini bertujuan untuk mengklasifikasikan pilihan program studi mahasiswa KIP di Universitas Muhammadiyah Banjarmasin menggunakan algoritma Random Forest. Dataset diperoleh dari data akademik mahasiswa, mencakup atribut seperti nilai, jurusan asal, dan pilihan pordi. Penelitian ini dilakukan dengan tahapan praproses data, pelatihan model Random Forest, serta evaluasi performa model. Hasil evaluasi menunjukan akurasi sebesar 89%, yang menunjukan algoritma ini efektif dalam membantu merekomendasikan program studi sesuai. Temuan ini di harapkan dapat mendukung proses pembinaan akademik dan penempatan mahasiswa oleh pihak universitas.
IMPLEMENTASI REGRESI LINEAR BERGANDA UNTUK PREDIKSI PENJUALAN PADA PT TRIMANDIRI SARANA PROPETINDO BANJARMASIN Damayanti, Alfisah; Marleny, Finki Dona; Ningrum, Ayu Ahadi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6679

Abstract

Optimalisasi manajemen persediaan merupakan faktor kunci dalam meningkatkan daya saing bisnis pada pasar yang semakin kompetitif. PT. Trimandiri Sarana Propetindo Banjarmasin yang masih mengandalkan pencatatan penjualan harian menggunakan Microsoft Excel, yang membatasi kemampuan dalam meramalkan penjualan secara akurat. Penelitian ini bertujuan mengembangkan model prediksi penjualan berbasis data stok barang tahun 2023, yang mencakup Stok Awal, Pembelian, Penjualan, Stok Akhir, Retur Penjualan, dan Barang Rusak. Data diolah dan dianalisis secara mingguan berdasarkan jenis bumbu untuk mengidentifikasi pola pergerakan stok. Hasil penelitian menunjukkan model prediktif yang dikembangkan mampu menjelaskan 76% variasi penjualan (R² = 0,76) dengan Root Mean Square Error (RMSE) sebesar 6.707,06, yang tergolong rendah dibandingkan rata-rata penjualan mingguan sebesar 2.920,07. Walaupun model menunjukkan performa baik, tantangan masih ada dalam menangani data dengan tingkat variabilitas yang tinggi. Implementasi model ini diharapkan membantu perusahaan beralih dari sistem manual ke pendekatan berbasis analisis prediktif dalam pengelolaan persediaan, meningkatkan efisiensi operasional, serta ketepatan pemenuhan permintaan pelanggan secara lebih optimal.
PENERAPAN DATA MINING ALGORITMA DECISION TREE UNTUK MEMPREDIKSI KETERLAMBATAN PEMBAYARAN PIUTANG USAHA PADA PT XYZ Muhammad Tantowi Jauhari; Windarsyah; Finki Dona Marleny
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6828

Abstract

Tingginya frekuensi dan volume keterlambatan pembayaran piutang usaha menjadi permasalahan utama yang dihadapi PT XYZ, sebuah agen BBM industri, yang secara langsung mengganggu arus kas perusahaan. Proses pemantauan piutang yang masih berjalan manual dinilai tidak efisien dan rentan terhadap kesalahan. Penelitian ini bertujuan membangun model prediktif untuk status pembayaran bulan berikutnya dengan menerapkan metode Knowledge Discovery in Databases (KDD) dan algoritma Decision Tree. Data yang diolah merupakan data internal perusahaan dari Januari 2021 hingga Juni 2022, yang mencakup laporan penjualan dan piutang beredar. Hasil penelitian menunjukkan bahwa model klasifikasi Decision Tree yang dibangun berhasil mencapai akurasi keseluruhan sebesar 92.70%. Analisis atribut mengidentifikasi “Status Pembayaran” bulan berjalan sebagai faktor paling dominan dalam memprediksi keterlambatan. Model ini dapat menjadi landasan bagi perusahaan untuk beralih ke manajemen piutang yang lebih proaktif dan berbasis data untuk memitigasi risiko keterlambatan pembayaran secara lebih efektif.
The Image Segmentation Of Ornamental Plants Typical Of South Kalimantan Using The Convolutional Neural Network Method: Segmentasi Citra Tanaman Hias Khusus Kalimantan Selatan Menggunakan Metode Convolutional Neural Network Lufila, Lufila; Septyan Eka Prastya; Finki Dona Marleny
INSTALL: Information System and Technology Journal Vol 1 No 1 (2024): INSTALL : Information System and Technology Journal
Publisher : LPPM Universitas Sari Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33859/install.v1i1.544

Abstract

One of the very important processes in the recognition of visually presented objects. Image segmentation is one of the important topics in computer science, especially in the field of digital image processing. The research method used is image segmentation using the Convolutional Neural Network (CNN) method; the results obtained in this study are accurate to the image of plants selected as the sample of this study. The dataset in this study used pictures or objects of ornamental plants, namely Black Orchids, Betel Lurih, and Aglonema Tri-Color. As for the samples used in this study, namely for these three types of objects, 50 pictures were taken for each object used. By using epochs of 15, researchers have determined to reduce system performance time and by epoch times of 17s, 18s, and 24s. The number of epochs that will be used also affects the time that will be taken by modeling training. Due to the increasing number of epochs, the time that will be required for training will be longer. Then, the accuracy value of the data trained is 0.7667 with a loss value of 0.4039, and the val_loss value is 0.4611 with a val_accuracy of 0.7333. The segmentation results obtained using the convolutional neural network model have a fairly good accuracy level of 0.7667 and a validation accuracy of 0.7333.
Deteksi Titik Kebakaran Lahan Menggunakan Wireless Sensor Network Kamarudin, Kamarudin; Elfirman, Muhammad Ziki; Maulida, Ihdalhubbi; Marleny, Finki Dona; Ansari, Rudy; Fatahulrahman, Maman
Jurnal Komtika (Komputasi dan Informatika) Vol 6 No 1 (2022)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v6i1.6264

Abstract

Kalimantan Tengah merupakan salah satu propinsi yang rawan terjadi kebakaran lahan dan hutan di Indonesia yang memiliki puncak tertinggi kasus kebakaran lahan seluas 317.749 Ha di tahun 2019. Berbagai upaya telah dilakukan oleh pemerintah daearah untuk mencegah terjadinya kebakaran lahan, baik disebabkan oleh alam atau manusia. Penelitian ini dilakukan dengan membuat alat deteksi dini titik kebakaran lahan dengan memanfaatkan 4 sensor, yaitu Soil Sensor (sensor kelembaban tanah), DHT11 (sensor suhu dan kelembaban), Flame Sensor (sesnsor api), dan MQ2 (sensor asap). Pengujian alat dilaksanakan di salah satu kecamatan yang memiliki potensi kebakaran lahan yang tinggi, yaitu di Kecamatan Kumai Kabupaten Kotawaringin Barat. Alat yang diuji akan mengirimkan hasil deteksi ke server web melalui sim 800L, yang kemudian diolah datanya untuk menghasilkan informasi yang ditampilkan ke halaman web, hingga dapat diambil tindakan dini oleh masyarakat dalam pencegahan kebakaran lahan.
Analysis of the Impact of Violent Content on Social Media on Adolescent Cyberpsychology Using Support Vector Machine and Random Forest Febriani, Wulandari; Mambang, Mambang; Prastya, Septyan Eka; Sabella, Billy; Marleny, Finki Dona
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11415

Abstract

Adolescent exposure to violent content on social media has emerged as a critical issue due to its potential impact on mental health and cyberpsychological well-being. This study aims to classify multiple cyberpsychological impacts experienced by adolescents as a result of exposure to violent content on social media using a multi-label machine learning approach. A quantitative method was employed using self-reported data collected from 550 Indonesian adolescents aged 12–18 years through an online questionnaire. Psychological impacts were measured using adapted instruments from the Depression Anxiety Stress Scales (DASS-21) and cyberpsychology scales, then transformed into multi-label targets. Support Vector Machine (SVM) and Random Forest algorithms were implemented using a One-vs-Rest strategy. Model performance was evaluated using Hamming Loss, precision, recall, and Macro F1-score. The results indicate that SVM outperformed Random Forest with a Hamming Loss of 23.16% and a Macro F1-score of 0.42, particularly in predicting dominant labels such as anxiety and decreased self-confidence. However, both models showed limited performance in predicting minority labels such as depression and academic decline due to data imbalance. These findings highlight the importance of handling imbalanced data in cyberpsychology-based machine learning research and demonstrate the potential of multi-label classification in representing the complexity of psychological impacts of digital violence on adolescents.
PEMANFAATAN APLIKASI SCRATCH UNTUK MENUMBUHKAN MINAT BELAJAR KODING PADA SDN SEMANGAT DALAM 1 KAB. BARITO KUALA Ayu Ahadi Ningrum; Finki Dona Marleny; Aulia Fitri
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 6, No 11 (2023): Martabe : Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v6i11.4107-4112

Abstract

Dalam mengimbangi kemajuan teknologi maka kita dituntut untuk ikut berkembang dengan mempelajari berbagai keterampilan baru. Salah satu keterampilan baru yang dimaksud secara lebih spesifik adalah tentang seni mengolah berbagai bahasa pemrograman dengan menggukan serangkaian instruksi yang logis. Kegiatan pengabdian ini dilaksanakan pada bulan Maret 2023 bertempat di SD Negeri Semangat Dalam 1. Jumlah seluruh peserta kegiatan ini adalah 25 peserta yang terdiri atas para Guru SD. Metode yang digunakan adalah presentasi dan cooperative learning dengan aplikasi Scratch. Berdasarkan hasil evaluasi kegiatan yang telah dilakukan menunjukkan bahwa 88% peserta menunjukkan materi terkait aplikasi Scratch mudah. Serta 96% peserta merasa bermanfaat terhadap materi yang disajikan dalam kegiatan pengabdian masyarakat kali ini. Dengan kegiatan pengabdian yang sudah selesai dilaksanakan di SDN Semangat Dalam 1 Kab. Barito Kuala diharapakan dapat menambah pengetahuan baru serta mengasah logika berfikir peserta melalui pengenalan dan praktek membuat latihan game sederhana.
Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran Ahmad Nawawi; Kamarudin; Finki Dona Marleny
INTECH Vol. 6 No. 2 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i2.3317

Abstract

Penelitian ini mengimplementasikan algoritma Long Short-Term Memory (LSTM) untuk memprediksi pola suhu sebagai bagian dari sistem monitoring berbasis IoT dalam rangka mitigasi risiko kebakaran. Dataset diperoleh dari sensor berbasis ESP32 yang merekam data suhu dan waktu. Model LSTM dilatih menggunakan data suhu yang telah dinormalisasi dengan prediksi lima langkah ke depan. Pra-pemrosesan meliputi penggabungan data tanggal dan waktu menjadi indeks waktu, kemudian dilanjutkan dengan normalisasi dan pembentukan data dalam format pembelajaran terawasi. Arsitektur model terdiri dari satu lapisan LSTM dan satu lapisan keluaran dense. Hasil prediksi menunjukkan nilai Mean Squared Error (MSE) yang rendah, menandakan efektivitas model LSTM dalam mendeteksi potensi bahaya kebakaran secara dini. Penelitian ini berkontribusi pada upaya mitigasi risiko secara real-time melalui peningkatan akurasi prediksi pada lingkungan IoT.
Co-Authors Abdul latif Ade Putri Maharani Adha, Muhammad Iqbal Ahadi Ningrum, Ayu Ahmad Aqli Ahmad Faisal Hamidi Ahmad Hidayat Ahmad Hidayat Ahmad Hidayat Ahmad Nawawi Ahmad Nawawi Ahmad Riki Renaldy Akhmad Baddrudin Antonia Yenitia Aulia Fitri Aulia Fitri Aulia Fitri, Aulia Aurelia Monica Sari Ayu Ahadi Ningrum Bambang Lareno, Bambang Bayu Nugraha Bima Wicaksono Damayanti, Alfisah Dixky Dixky Elisa Fitriana Fatahulrahman, Maman Febriani, Wulandari Fitriansyah, Muhammad Gazali, Mukhaimy Hamdani Hamdani Haniffah Sri Rinjani Hudatul Aulia Ihdalhubbi Maulida Ihsanudin Indah Wulandari Jaya Hari Santoso Johan Wahyudi Johan Wahyudi Johan Wahyudi, Johan Kamaruddin Kamarudin Kamarudin Kamarudin Kartika Kartika Liliana Swastina Lufila, Lufila M Samsul Hasbi M Samsul Hasmi Mahdi Mahdi Maman Fatahulrahman Mambang Mambang Fitriansyah Maria Ulfah Maulida, Ihdalhubbi Meila Izzana, Meila Melda Melda Miranda Miranda Muhammad Alkaff Muhammad Hanafi Muhammad Khairul Akbar Muhammad Noval Muhammad Nursandi Muhammad Riduan Syafi’i Muhammad Satrio Ayuba Muhammad Tantowi Jauhari Muhammad Zaini Bakri Muhammad Ziki Elfirman Muhammad Ziki Elfirman Muhammad Ziki Elfirman, Muhammad Ziki Muhammad Zulfadhilah Mukhaimy Gazali Mutmainah Mutmainah Nadia Azaria Nahdi Saubari Nalo Valentino Ningrum, Ayu Ahadi Nor Azizah Novita Sari Novriansyah, Irvan Nur Hafiz Ansari Nur Meilianti Maulida Nurhaeni Nurhaeni Prastya, Septyan Eka Putri Putri Putri Putri, Putri Radhitya Abdi Nurhafiz Rahmini Rahmini Raisya Alifa Khansa Ratna Lindawati Reni Emiliya Ricardus A P, Ricardus A Ricardus Anggi Pramunendar Risma Maulida Risma Risma Rismawati Rismawati Rizkian Muhammad Fikri Rizma Nurhaliza Ropikah Ropikah Rudy Ansari Rudy Ansari Rudy Ansari, Rudy Sa'adah Sa'adah Sabella, Billy Sabrila, Trifebi Shina Samita, Mambang Sandro Nesta Pembriano Sa’adah Sa’adah Septian Eka Prastya Septyan Eka Prastya Septyan Eka Prastya Shofia Zulfa Subhan Panji Cipta Subhan Panji Cipta Sunardi, Ph.D., Sunardi Susanti, NurAina Tasya Salsabila Theresia Kurniati Seran Tiara, Astia Rahma Tumanggor, Agustina Hotma Uli Wijaya, Eka Setya Winda Astria Nuansa Saputri Winda Astria Nuansa Saputri Windarsyah Windarsyah Wulandari Febriani Yulisa Suryana Yuslena Sari, Yuslena