Article Per Year (5 Year)
p-Index From 2021 - 2026
9.286
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnas Nasional Teknologi dan Sistem Informasi Sistemasi: Jurnal Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta CogITo Smart Journal JTERA (Jurnal Teknologi Rekayasa) Jurnal Sisfokom (Sistem Informasi dan Komputer) KACANEGARA Jurnal Pengabdian pada Masyarakat JSiI (Jurnal Sistem Informasi) JURTEKSI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CCIT (Creative Communication and Innovative Technology) Journal Jurnal Pendidikan dan Konseling Jurnal Sistem Informasi dan Informatika (SIMIKA) Jurnal Investasi Indonesian Journal of Electrical Engineering and Computer Science Journal of Computer System and Informatics (JoSYC) Madaniya Idealis : Indonesia Journal Information System SKANIKA: Sistem Komputer dan Teknik Informatika Sekretari & Administrasi (Serasi) Jurnal Teknik Informatika (JUTIF) Teknika Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pendidikan dan Teknologi Indonesia KLIK: Kajian Ilmiah Informatika dan Komputer Decode: Jurnal Pendidikan Teknologi Informasi Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Sisfotek Global Jurnal Algoritma Jurnal Ticom: Technology of Information and Communication Malcom: Indonesian Journal of Machine Learning and Computer Science Telematika MKOM AMMA : Jurnal Pengabdian Masyarakat Jurnal Ticom: Technology of Information and Communication The Indonesian Journal of Computer Science Jurnal Pengabdian Masyarakat Tekno INOVTEK Polbeng - Seri Informatika Jurnal Pintar Pengabdian dan Pemberdayaan Masyarakat
Triyono, Gandung
Universitas Budi Luhur
Religion Agriculture, Biological Sciences & Forestry Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Social Sciences Other

Published : 98 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 98 Documents
Search

 6   7   8   9   10 
Sistem Pendukung Keputusan Evaluasi Kinerja Dosen Metode SAW Berbasis Data Akademik dan Umpan Balik Mahasiswa: Decision Support System for Lecturer Performance Evaluation Using the SAW Method Based on Academic Data and Student Feedback Dzakiyyah, Syifa Ghina; Yani, Putri; Hikmah, Maulida; Triyono, Gandung
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2787

Abstract

Evaluasi kinerja dosen di institusi pendidikan tinggi kerap terkendala oleh penilaian yang subjektif dan multikriteria. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk mengagregasi parameter yang heterogen secara objektif. Sistem ini mengintegrasikan data akademik internal (kehadiran dan publikasi ilmiah) dengan data umpan balik dari 286 mahasiswa (kualitas pengajaran dan penguasaan materi). Bobot setiap kriteria ditentukan melalui pendekatan Rank Order Centroid (ROC). Hasil pengujian terhadap 50 alternatif dosen menunjukkan sistem berhasil melakukan pemeringkatan dengan presisi, di mana aspek kualitas pengajaran dan produktivitas riset teridentifikasi sebagai faktor penentu utama (performance drivers). Keandalan model ini kemudian divalidasi dengan membandingkan luaran sistem terhadap expert judgment (penilaian holistik Ketua Program Studi) menggunakan 20 sampel uji. Evaluasi tersebut membuktikan sistem memiliki tingkat kesesuaian (Agreement Rate) sebesar 95% dalam mengidentifikasi dosen berkinerja tinggi, sehingga sangat layak diimplementasikan sebagai dasar pengambilan keputusan strategis bagi manajemen.
Development and Comparative Evaluation of Machine Learning Models using Clinically Relevant Features for Predicting Newborn Patients’ Length of Stay Triyono, Gandung; Marentek, Billy; Syafrullah, Mohammad
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 3 (2026): JUTIF Volume 7, Number 3, June 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.3.5410

Abstract

The Length of Stay (LOS) of newborns is a crucial indicator for healthcare management and hospital resource allocation. However, prior research has yet to systematically compare machine learning models for newborn LOS prediction using clinically pertinent features in developing-country hospital contexts, creating an important methodological and contextual gap. Accurate prediction of LOS is urgently needed to support timely clinical decision-making and prevent overcrowding, inefficiencies, and unnecessary healthcare costs. This study aims to identify factors influencing LOS and develop a predictive model for newborn LOS using several machine learning algorithms. A comparison was conducted among Linear Regression, Random Forest Regression, Support Vector Regression (SVR), and Artificial Neural Networks (ANN). The dataset consisted of medical records of newborn patients from three private hospitals in Indonesia. The research included data collection and understanding, data preprocessing, modeling, and evaluation. Experimental results show that Random Forest Regression achieved the best predictive performance, with MAE = 0.019, MSE = 0.011, RMSE = 0.086, and R² = 0.987. Feature importance analysis revealed that gender, referral source, insurance type, and diagnosis were the most influential predictors of LOS. This study contributes to the advancement of machine learning applications in healthcare data analytics and provides evidence-based insights to support neonatal care planning and hospital resource optimization.
Design and Construction of Employee Recruitment System Application using Profile Matching Method M. Azmi Mahendra; Maulana Firmansyah; Gandung Triyono
Journal of Innovation and Technology Polbeng Series on Informatics (INOVTEK Polbeng - Seri Informatika) Vol. 10 No. 2 (2025): July
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/xvzgjq78

Abstract

The employee recruitment process is one of the important aspects of human resource management, which ensures a match between company needs and available candidates. This research aims to design an E-Recruitment system based on Profile Matching to improve efficiency and accuracy in the employee selection process at PT XYZ. The research methods used include literature study, observation, and interviews with the HRD team. System development follows the SDLC waterfall model, which includes planning, analysis, design, implementation, and testing stages. In this case study, we use data samples from 5 applicants. For the criteria used, there are 3 criteria, namely administration, interview results, and skills/expertise. The results showed that the developed system was able to automate the selection process, reduce administrative burden, and increase objectivity in candidate selection. In conclusion, the implementation of Profile Matching-based E-Recruitment can optimise the recruitment process, but still needs to be combined with other selection methods to get a more comprehensive picture of candidates.
IMPLEMENTASI HYBRID ARIMA-PROPHET UNTUK PREDIKSI HARGA BERAS NASIONAL Amirudin Amirudin; Sigit Ari Prasetyo; Gandung Triyono
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.8689

Abstract

Fluktuasi harga beras sebagai komoditas pangan utama di Indonesia berpengaruh signifikan terhadap stabilitas ekonomi dan ketahanan pan-gan nasional. Penelitian ini bertujuan untuk mengembangkan model hybrid ARIMA-Prophet guna memprediksi harga beras nasional dengan tingkat akurasi yang lebih tinggi dibandingkan implementasi model tunggal. Data yang digunakan dalam penelitian ini bersumber dari da-taset Kaggle "Harga Pangan Indonesia" dengan rentang waktu 2021–2024. Metodologi penelitian meliputi preprocessing data, implementa-si model ARIMA, implementasi model Prophet, pengembangan model hybrid, dan evaluasi performa model menggunakan metrik MAE, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa model hybrid ARIMA-Prophet mampu menangkap pola tren jangka panjang dan fluktuasi musiman dengan lebih efektif, serta meningkatkan akurasi prediksi sebesar 18,5% dibandingkan model ARIMA dan 12,3% dibandingkan model Prophet. Implementasi model hybrid ini menghasilkan nilai MAPE sebesar 3,2%, yang menunjukkan tingkat akurasi yang sangat baik dalam konteks prediksi harga komoditas. Kesimpulan penelitian ini mengonfirmasi keunggulan pendekatan hybrid dalam memodelkan data time series yang kompleks seperti harga beras, yang dipengaruhi oleh berbagai faktor eksternal, musiman, dan tren pasar global.
Analisis Pengaruh Pengelompokan Fitur Klinis terhadap Kinerja Algoritma Random Forest dalam Prediksi Lama Rawat Inap Pasien Pipit Ari Mufidah; Nurjanah, Septiana; Gandung Triyono
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol. 12 No. 2 (2026): Volume 12 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Lama rawat inap (Length of Stay atau LOS) merupakan indikator penting yang mencerminkan efisiensi operasional rumah sakit dan kualitas pelayanan pasien. Berbagai penelitian telah memanfaatkan metode machine learning untuk memprediksi LOS berdasarkan data klinis pasien. Namun, kinerja model prediksi sangat dipengaruhi oleh kualitas representasi fitur yang digunakan, terutama pada variabel kategorikal dengan jumlah kategori yang terlalu banyak. Penggunaan kategori yang terlalu rinci dapat meningkatkan kompleksitas data dan berpotensi menurunkan performa model. Oleh karena itu, diperlukan kajian untuk mengetahui pengaruh penerapan feature grouping terhadap kinerja model prediksi LOS. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan feature grouping terhadap kinerja algoritma Random Forest dalam prediksi lama rawat inap pasien berdasarkan data klinis dan administratif. Metode penelitian melibatkan pengolahan data rekam medis sebanyak 41.121 pasien dengan 8 fitur klinis. Tahapan penelitian meliputi preprocessing, feature engineering, serta evaluasi model menggunakan metrik R², Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa model Random Forest mampu memprediksi LOS dengan nilai R² sebesar 0,172. Penerapan feature grouping menunjukkan adanya peningkatan performa model dibandingkan baseline, namun peningkatan tersebut relatif kecil dan tidak signifikan secara praktis. Hal ini menunjukkan bahwa Random Forest memiliki kemampuan yang cukup baik dalam menangani fitur kategorikal tanpa transformasi tambahan.Kesimpulan dari penelitian ini menunjukkan bahwa efektivitas feature grouping dalam meningkatkan performa model bergantung pada karakteristik data dan kemampuan algoritma yang digunakan. Model yang dihasilkan diharapkan dapat memberikan gambaran awal untuk mendukung proses pengambilan keputusan dalam perencanaan pelayanan kesehatan di rumah sakit.
Segmentasi Spasio-Temporal Performa Penjualan Produk Sepatu Menggunakan Algoritma K-Means: Spatio-temporal Segmentation of Footwear Sales Performance Using the K-Means Algorithm Shindy Yuliyatini; Eva Yulyanti; Gandung Triyono
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2609

Abstract

Ketimpangan performa penjualan antarwilayah umumnya dianalisis melalui agregasi tahunan yang berpotensi menyembunyikan dinamika pasar. Penelitian ini bertujuan mengusulkan model segmentasi performa penjualan sepatu berbasis spatio-temporal menggunakan algoritma K-Means dengan unit analisis State × Quarter. Dataset diperoleh dari platform Kaggle (Adidas US Sales Dataset) periode 2020-2021 dan diagregasi dari 400 transaksi menjadi 181 observasi menggunakan variabel total sales, units sold, operating profit, dan operating margin. Metode meliputi preprocessing menggunakan IQR dan winsorizing, normalisasi Min-Max, serta clustering K-Means. Evaluasi dilakukan menggunakan Silhouette Score, Davies-Bouldin Index (DBI), Calinski-Harabasz Index (CHI), dan uji stabilitas Adjusted Rand Index (ARI) sebagai metode validasi tambahan untuk mengukur konsistensi hasil clustering. Hasil menunjukkan tiga cluster  dengan distribusi 55,8% (rendah), 32,0% (menengah), dan 12,2% (tinggi). Nilai Silhouette Score sebesar 0,4263 menunjukkan pemisahan cluster  moderat, sedangkan ARI sebesar 1,000 menunjukkan stabilitas sangat tinggi. Analisis spasio-temporal menunjukkan 52% state mengalami perubahan cluster  antarkuartal. Temuan ini menunjukkan adanya dinamika performa wilayah yang tidak terdeteksi dalam agregasi tahunan. Kontribusi ilmiah penelitian ini adalah penerapan segmentasi spatio-temporal berbasis K-Means dengan evaluasi kualitas dan stabilitas cluster  untuk mengidentifikasi dinamika performa distribusi wilayah secara lebih akurat.
Implementasi Algoritma Apriori Pada Penjualan Makanan Ringan dan Minuman Kesehatan Arif Pirman; Annisa Hanifa; Gandung Triyono
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.244

Abstract

Penjualan merupakan hasil yang sangat diharapkan oleh pengusaha yang bergerak dibidang penjualan. Data transaksi penjualan yang dihasilkan perhari yang hanya disimpan akan membuat ruang penyimpanan menjadi besar. Berdasarkan informasi yang diperoleh dari manager outlet yang berasal dari laporan penjualan bulanan, diketahui bahwa penjualan bulan Desember 2022 sebesar Rp. 28.624.274 dan penjualan bulan November 2022 sebesar Rp. 32.916.104. Dari penjualan tersebut terlihat terjadi penurunan penjualan sebesar 13% pada bulan Desember 2022 terhadap penjualan bulan November 2022. Kondisi ini akan menyebabkan kerugian usaha bahkan jika dibiarkan akan menyebabkan penutupan usaha. Untuk Meningkatkan kembali penjualan maka manajemen   memerlukan pengetahuan atas produk yang dijualnya dan pengetahuan atas pola penjualan yang biasa dibeli oleh konsumen. Dari pengetahuan tersebut maka manajemen dapat mengambil keputusan terkait strategi penjualan yang akan dijalankannya. Untuk memanfaatkan data penjualan yang ada, maka pengolahan data mining dengan analisis asosiasi dapat digunakan untuk mencari produk yang sering dibeli oleh konsumen. Dengan menggunakan algoritma Apriori pada proses analisis asosiasi dapat memberikan informasi produk yang sering dibeli bersamaan, syarat penetapan minimum support sebesar 30% dan minimum confidence sebesar 70%. Dari penelitian yang dilakukan, dihasilkan 8 produk yang saling keterikatan dengan hasil support sebesar 0.333 dan nilai confidence sebesar 71.4%. Hasil penelitian ini dapat dijadikan strategi penjualan untuk meningkatkan penjualan harian.
Perancangan Model Sistem Pendukung Keputusan Untuk Menentukan Formasi CASN Menggunakan Naïve Bayes dan Simple Additive Weighting Wahyu Cesar; Riki Ramdani Saputra; Gandung Triyono
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.260

Abstract

Di era reformasi birokrasi, pengelolaan manajemen Aparatur Sipil Negara (ASN) menjadi satu hal penting karena dapat mendorong efisiensi anggaran serta memaksimalkan kinerja dan layanan pemerintah. Salah satu penyebab belum optimalnya kinerja ASN hingga saat ini yaitu belum tepatnya penempatan formasi penerimaan pegawai CASN yang disebabkan belum adanya sistem pendukung keputusan yang digunakan oleh biro kepegawaian pada instansi pemerintah pada saat menentukan formasi CASN berdasarkan pada analisa kebutuhan pegawai dari setiap unit kerja. Oleh sebab itu kebijakan pemerintah melalui Surat kementrian PANRB Nomor: B-2156/M.PAN.RB/5/2014 terkait optimalisasi kebutuhan ASN, diperlukan analisa penyusunan kebutuhan formasi CASN dari setiap instansi pemerintah menggunakan e-Formasi. Dalam mendukung kebijakan pemerintah tersebut, tujuan penelitian ini adalah membuat model sistem pendukung keputusan untuk membantu instansi pemerintah dalam menganalisa kebutuhan formasi CASN dengan metode Naïve Bayes Classifier dan Simple Additive Weighting (SAW). Model algoritma Naïve Bayes Classifier yang menghasilkan nilai akurasi 94,44%. SAW digunakan untuk meranking unit kerja prioritas yang sangat membutuhkan formasi pegawai. Hasil penelitian ini dari sebuah model sistem pendukung keputusan dengan kombinasi algortima Naïve Bayes dan SAW didapatkan kelas dan alternatif A7, A8, A9, A4, dan A6 yang merupakan top 5 unit kerja prioritas yang paling membutuhkan pegawai CASN.
Co-Authors - Sumardianto Abdul Hamid Abdurrahman, Faris Nur Achmad Ardiansyah Achmad Solichin Achmad Syarif Adhi, Ajar Parama Aditya Ikhbal Maulana Agus Umar Hamdani Aji Guntoro Ajinarasena Hermanu Al Ghozali, Isnen Hadi Al-akbari, Munawir Fikri Amirudin Amirudin Ananda Dian Nugraha Angga Prasetyo Angga Prasetyo Anggita Pamukti Anggraini Ujianti Annisa Hanifa Annisa Putri Gita Cahyani Anwarsyah, Anwarsyah Arif Pirman Aris Subagyo, Wismoyo Asep Lukman Arip Hidayat Assegaf , Noval Azizi, Hibatul Azrul Azmani Chaerul, Muh Coudry Bernadeth Dana Indra Sensuse Daniel Iskandar Dara Putri Oktiara Dede Wahyu Saputra Dermawan Ginting Devy Fatmawati Dini Astuti Dini Handayani Djafar, Muhammad Agung A. Djati Kusdiarto Dolly Virgian Shaka Yudha Sakti Dwi Kristanto Dyah Puji Utami Dzakiyyah, Syifa Ghina Effendi , Muhtar Eliyani, Eliyani Ery Rinaldi Eva Yulyanti Fachrurozy, Achmad Fadel, Muhamad Fahlevi, Noval Fajriah, Riri Febri Maulana Febrianti, Rizkia Saski Feby Lukito Wibowo Firmansyah, Maulana Gilang Ramadhan Hadi rahadian Hafiz, Rahmad Hakim, Sulaiman Hardjianto, Mardi Helmi Zulqan Henny Hikmah, Maulida Idam Risnaputra Idmi, Idmi Iman Permana, Iman Indra Indra Jotri Firdani Maharaja Juhari Juhari, Juhari Jumaryadi, Yuwan Kanasfi, Kanasfi Kiki Ari Suwandi kosasih Kristiyantho, Yutdhi Lestari, Triardani Lis Suryadi Lis Suryadi, Lis Lutfan Lazuardi Luthfi Mawardi M. Azmi Mahendra Mahendra, M. Azmi Malik Aziz Habibie Marentek, Billy Maruanaya, Greghar Juan Tjether Maskur A, Moch Riyadi Masnuryatie, Masnuryatie Maulana Firmansyah Maya Asmita Maya Gian Sister Megananda Hervita P. Melyana, Melyana Mepa Kurniasih MHD. Reza M.I. Pulungan Moch. Rezaf Ivanka Haris Mohammad Aldinugroho Abdullah Mohammad Syafrullah Muhamad Dikhi Rohman Muhamad Rizky Syawalludi Muhammad Dzakky Ikhwani Imaduddin Munandar, Muhamad Arief Naurah Huwaida Ningrum, Sekar Ayu Novandy, Axel Nurhikmah, Suci Nurjanah, Septiana Ono Taryono Pebry, Fachry Ajiyanda Pipit Ari Mufidah Prasetia, Andika Rohman Prasetyo, Angger Totik Putri Hayati putri yani, putri Rahmat Hidayat Ramadani, Romi Reza Ariftiarno Ridho Firmansyah Ridho Putra Kusmanda Riki Ramdani Saputra Rima Tamara Aldisa Rinto Prasetyo Adi Riski Amalia Rita Fransina Maruanaya Rizka Pitriyani Rizky Adhi Saputra Rizky Fernanda Aprianto Rizky Tahara Shita Rojakul, Rojakul Rudi Hidayat Ryan Prasetya Safrina Amini Samuel Samuel Septiadi, Septiadi Setyadin, Rahmat Dipo Shindy Yuliyatini Sigit Ari Prasetyo Siswahyudianto Sittah Ifadah Sri Hartati Sri Melati Subekti, Yogi Agung Sudiyatno Yudi Nugroho Sufyan Asaury, Akhmad Suriah Setiana Widiastuti SURYANI Syarif Hidayatulloh Tansya Ingmukti Tunggal Saputra, Tri Aji Tutik Lestari Umar Alfaruq Utomo Budiyanto Vasthu Imaniar Ivanoti Wahyu Adi Setyo Wibowo Wahyu Cesar Wahyuningram, Nugroho Warih Dwi Cahyo Wawan Gunawan Widyanto, Tetrian Wilsen Grivin Mokodaser Winasis, Reza Handaru Wisanto, Aditya Agus Wisnu Cahyadi Wulan Trisnawati Yasmin , Nadia Yeros Fathullah Achmad Yulia Nita Zaenul Muttaqin Zainal Arifin