Article Per Year (5 Year)
p-Index From 2021 - 2026
9.778
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Buana Informatika Jurnal Informatika Jurnal Teknologi Informasi dan Ilmu Komputer JUITA : Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi POSITIF Edu Komputika Journal Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Khatulistiwa Informatika JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Pilar Nusa Mandiri JTERA (Jurnal Teknologi Rekayasa) Jurnal Sains dan Informatika INOVTEK Polbeng - Seri Informatika Matrix : Jurnal Manajemen Teknologi dan Informatika SINTECH (Science and Information Technology) Journal Jurnal Informatika Universitas Pamulang Jurnal Teknoinfo Jurnal Sisfokom (Sistem Informasi dan Komputer) KACANEGARA Jurnal Pengabdian pada Masyarakat MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknologi Terapan Jurnal Teknologi Terpadu EDUMATIC: Jurnal Pendidikan Informatika EVOLUSI : Jurnal Sains dan Manajemen Building of Informatics, Technology and Science JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Teknologi Informasi dan Multimedia Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) JISA (Jurnal Informatika dan Sains) International Journal of Engineering, Technology and Natural Sciences (IJETS) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) TIN: TERAPAN INFORMATIKA NUSANTARA Idealis : Indonesia Journal Information System Jurnal Teknik Informatika (JUTIF) Jurnal Digit : Digital of Information Technology Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Science in Information Technology Letters Journal of Soft Computing Exploration Jurnal Indonesia : Manajemen Informatika dan Komunikasi Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer International Journal Software Engineering and Computer Science (IJSECS) Jurnal Sains dan Teknologi International Journal Science and Technology (IJST) Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Scientific Research, Education, and Technology Journal of Data Science Theory and Application NERO (Networking Engineering Research Operation) SmartComp Jurnal Indonesia : Manajemen Informatika dan Komunikasi Emitor: Jurnal Teknik Elektro IJISCS (International Journal of Information System and Computer Science)
Donny Avianto
Universitas Teknologi Yogyakarta
Aerospace Engineering Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 83 Documents
Search

 5   6   7   8   9 
Pendekatan Hybrid: Naïve Bayes dan Decision Tree untuk Prediksi Kerusakan Mesin pada Industri Manufaktur PT X Iin Rohmatika Aulia; Arief Hermawan; Donny Avianto
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.97905

Abstract

Abstrak : Perkembangan teknologi sistem informasi banyak dirasakan di setiap sector ekonomi. PT X merupakan perusahaan manufaktur di bidang percetakan, dimana produktivitas dipengaruhi dari efisiensi mesin. Optimasi produktivitas mesin dapat dilakukan dengan prediktif maintenance. Penelitian ini bertujuan untuk mengembangkan teknik data mining dalam prediktif kerusakan mesin produksi. Fokus utama penelitian adalah untuk mengklasifikasi kerusakan mesin berdasarkan data historis pada PT X. Model klasifikasi yang akan dikembangkan menggunakan algoritma model Naïve Bayes dan Decision Tree. Dalam klasifikasi ada 2 label keputusan yaitu tingkat resiko (tinggi, sedang rendah) dan kegiatan preventif (Ya,Tidak) Evaluasi dilakukan dengan menilai akurasi dan efektivitas setiap model. Hasil uji klasifikasi preventif dengan model Naïve Bayes memiliki nilai akurasi 97,90 %, sedangkan dengan model Decision Tree memiliki nilai akurasi 77%. Hasil uji klasifikasi tingkat resiko dengan model Naïve Bayes nilai akurasi 98% sedangkan dengan model Decision Tree nilai akurasinya 100%. hasil uji menunjukan untuk label preventif dengan 2 kelas lebih baik menggunakan model Naïve Bayes sedangkan label tingkat resiko dengan 3 kelas lebih baik menggunakan model Decision Tree. Hasil uji ini dapat dijadikan acuan Perusahaan X khususnya divisi maintenance dalam melakukan penjadwalan prediktif maintenance. Metode ini juga dapat diterapkan pada Perusahaan lain jika memiliki data historis kerusakan mesin, memiliki mesin dengan jenis operasional yang relevan, dan memiliki tujuan dan klasifikasi yang sesuai.===================================================Abstract :The advancement of information system technology has significantly impacted all economic sectors. PT X, a manufacturing company in the printing industry, experiences productivity fluctuations that are strongly influenced by machine efficiency. Optimizing machine productivity can be achieved through predictive maintenance. This study aims to develop data mining techniques for predicting machine failures in production. The primary focus is to classify machine failures based on historical data from PT X. The classification models employed are the Naïve Bayes algorithm and the Decision Tree algorithm. Two classification labels are used: risk level (high, medium, low) and preventive action (Yes, No). Evaluation was conducted by measuring the accuracy and effectiveness of each model. The classification results for the preventive action label showed that the Naïve Bayes model achieved an accuracy of 97.90%, while the Decision Tree model reached 77%. For the risk level label, the Naïve Bayes model achieved 98% accuracy, and the Decision Tree model achieved 100%. The findings indicate that the Naïve Bayes model is more suitable for binary classifications such as preventive actions, while the Decision Tree model performs better in multi-class classifications such as risk levels. These results can serve as a reference for PT X’s maintenance division in scheduling predictive maintenance. Moreover, the method can be applied to other companies, provided they have historical machine failure data, machines with similar operational characteristics, and compatible classification objectives
Penerapan Metode Fuzzy Tsukamoto untuk Perhitungan Gaji Karyawan Bimantoro, Nazar Iqbal; Avianto, Donny
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i4.6032

Abstract

Upah gaji adalah kompensasi yang diberikan kepada setiap perusahaan, instansi, organisasi, atau badan usaha untuk karyawan yang telah bekerja selama sebulan. Namun, untuk memberikan kompensasi yang adil kepada seluruh karyawan, perusahaan harus mempertimbangkan faktor-faktor seperti absensi, tingkat pendidikan, dan tanggungan dalam pemberian kompensasi. Kriteria ini biasanya digunakan oleh perusahaan besar. Sebenarnya, pengolahan ini sudah ada sejak lama, tetapi sistem yang telah dibuat masih sederhana dan hanya bisa menangani masalah perhitungan yang sederhana. Perhitungan yang lebih kompleks dapat ditentukan menggunakan logika fuzzy melalui beberapa langkah agar mendapatkan hasil yang akurat. Metode Tsukamoto adalah salah satu metode yang menggunakan logika fuzzy dan menghasilkan nilai tegas. Pengambilan data yang tepat dilakukan untuk menentukan gaji dengan kriteria seperti tingkat pendidikan, absensi bulanan, dan tanggungan. Dengan bantuan penelitian ini, organisasi dapat menggunakan perhitungan yang ditemukan dalam penelitian ini untuk menentukan gaji karyawan dengan cepat, baik, dan tepat, sehingga masalah penentuan gaji dapat diselesaikan dengan baik.
Analisis Pengaruh Preprocessing Data dan Hyperparameter Tuning pada Backpropagation Neural Network dalam Klasifikasi Stroke Gunawan, Asrul; Hermawan, Arief; Avianto, Donny
Bulletin of Computer Science Research Vol. 6 No. 2 (2026): February 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i2.956

Abstract

Data imbalance and scale differences between features are often the main factors that reduce the performance of neural network-based classification models. This study aims to analyze the effect of data preprocessing and hyperparameter tuning on the performance of Backpropagation Neural Network (BPNN) in stroke classification. This study used a stroke dataset from the Kaggle platform consisting of 5,110 patient data with 10 clinical features. The evaluation was conducted using five schemes and consisted of several data balancing techniques. These techniques include no balancing, SMOTE, and ADASYN. In addition, the evaluation also involved data normalization including no normalization, MinMaxScaler, and Z-Score. The BPNN model used has an architecture of 19 input neurons, 29 neurons in the hidden layer, and 1 output neuron. Hyperparameter tuning was performed by finding the best learning rate and number of epochs. The evaluation results showed that the model in scheme one has limitations. This limitation is most visible in identifying stroke classes. The application of SMOTE and MinMaxScaler in scheme two proved that the results were better and its performance increased significantly. On the other hand, the combination of ADASYN and Z-Score in scheme three showed more stable performance and was able to detect stroke cases more accurately. The hyperparameter tuning process in schemes four and five also proved to improve performance. The best results were obtained in scheme five, with an accuracy of 96.47%, a precision of 97.34%, a recall of 95.62%, and an F1-score of 96.47%. These findings indicate that the combination of adaptive balancing techniques, distribution-based normalization, and optimal parameter tuning is very effective in improving the accuracy and stability of BPNN for stroke classification.
Co-Authors Adhitama, Satriya Adicahya, Bina Sukma Adityo Permana Wibowo Alwani, Adie G. Amalia Rizki Wulandari Apriansyah, Ferryma Arba Ardiansyah, Diky Aribowo Aribowo Arief Hermawan Arieska Restu Harpian Dwika Arif Hermawan, Arif Ashari, Nadia Aziz Perdana Baiq Nurul Azmi Bimantoro, Nazar Iqbal Bowo Hirwono Budiyanto, Irfan Dewi, Amelia Citra Dian Wijayanti Dimas Dwi Kurniawan Dwi Ratnawati, Dwi Edi Priyanto Enggar Novianto Enggar Novianto Erfin Nur Rohma Khakim Fadhila, Arifa Farras Fadilah, Faiz Fahri Putra Herlambang Fakharudin, Panji Rangga Adzan Fajar Faqih, Allan Bil Febiansyah Annaufal Ahnaf Fauzi Ferdinandus Edwin Penalun Gumilang, Muhammad Satrio Gunawan, Asrul Hanif, Rifqi Fadhlurrahman Hardiyantari, Oktavia Herdy Andriksen Iin Rohmatika Aulia Ilmy Eka Handayani Imantoko Imantoko Indra Maulana Iqbal, Muhammad Izza Jagad Raya Ramadhan Kurniawan, Dimas Rizqi Kusban, Muhammad Kusumastuti, Asriana Dyah Maulana, Adha Muh Arifandi Muhammad Irsyad Indra Fata Muhammad Rizki Muhammad Rizki Nasmah Nur Amiroh Novaldy, Olwin Kirab Nur Widiastuti Nurazila, Siti Octavianus, Yonathan Perdana, Aziz Purba, Yurjaa Ghoniyyan Purnomo Pratama, Rizki Putra, Kristianto Pratama Dessan Rahma Nur Azizah Reski Noviana Rian Oktafiani Rian Oktafiani Rianto Rianto Rizarta, Rusma Eko Fiddy Rizky Samudra Falasyfa Roy Fasti Rubangi Rubangi Rudi, Rudiono Rusma Eko Fiddy Rizarta Saputra, Candra Heru Setiawan, Muhhamad Ajun Siti Rokhanah Soraya Fatmawati Sri Wulandari SRI WULANDARI Sutarman Sutarman Syafrudin, Teguh Syahab, Alfin Syarifuddin Teguh Syafrudin Tri Untoro, Iwan Hartadi Tri Widodo Vivianti Wahid, Ach. Nur Aqil Widyastuti, Evi