Article Per Year (5 Year)
p-Index From 2021 - 2026
3.288
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Pilar Nusa Mandiri IKRA-ITH Informatika : Jurnal Komputer dan Informatika JMM (Jurnal Masyarakat Mandiri) Jurnal Teknologi Informasi MURA Jurnal Riset Informatika JUSIM (Jurnal Sistem Informasi Musirawas) Jurnal Teknologi Informasi dan Komunikasi Jurnal Kependidikan: Jurnal Hasil Penelitian dan Kajian Kepustakaan di Bidang Pendidikan, Pengajaran dan Pembelajaran Jurnal Teknologi Informasi Mura Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat Profesi Pendidikan Dasar Indonesian Journal of Sustainability
Jupriyanto .
Universitas Mandiri
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
KOMPARASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN WEKA Pattiasina, Tiska; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2608

Abstract

Data mining merupakan serangkaian proses sistematis yang digunakan untuk menggali nilai tambah berupa informasi yang tersembunyi dan belum diketahui secara eksplisit dari suatu basis data. Dalam konteks pendidikan, data mining berperan penting dalam menghasilkan informasi yang dapat digunakan untuk menganalisis dan mengevaluasi kinerja akademik mahasiswa. Pada penelitian ini, penulis mengambil sampel dari mahasiswa semester I kelas C jurusan Administrasi Niaga di Politeknik Negeri Ambon. Penelitian difokuskan pada proses klasifikasi kinerja akademik mahasiswa berdasarkan 22 atribut yang telah ditentukan. Proses penggalian pengetahuan dilakukan dengan mengacu pada tahapan Knowledge Discovery in Database (KDD), yang mencakup proses seleksi data, praproses, transformasi, data mining, hingga interpretasi hasil. Tiga algoritma klasifikasi yang digunakan dalam penelitian ini adalah Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN). Untuk mengukur kinerja masing-masing algoritma secara objektif, dilakukan evaluasi model menggunakan teknik validasi silang k-fold cross validation, sehingga hasil klasifikasi dapat dibandingkan secara menyeluruh berdasarkan sejumlah indikator evaluasi, seperti akurasi, presisi, dan recall.
KOMPARASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN WEKA Pattiasina, Tiska; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2608

Abstract

Data mining merupakan serangkaian proses sistematis yang digunakan untuk menggali nilai tambah berupa informasi yang tersembunyi dan belum diketahui secara eksplisit dari suatu basis data. Dalam konteks pendidikan, data mining berperan penting dalam menghasilkan informasi yang dapat digunakan untuk menganalisis dan mengevaluasi kinerja akademik mahasiswa. Pada penelitian ini, penulis mengambil sampel dari mahasiswa semester I kelas C jurusan Administrasi Niaga di Politeknik Negeri Ambon. Penelitian difokuskan pada proses klasifikasi kinerja akademik mahasiswa berdasarkan 22 atribut yang telah ditentukan. Proses penggalian pengetahuan dilakukan dengan mengacu pada tahapan Knowledge Discovery in Database (KDD), yang mencakup proses seleksi data, praproses, transformasi, data mining, hingga interpretasi hasil. Tiga algoritma klasifikasi yang digunakan dalam penelitian ini adalah Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN). Untuk mengukur kinerja masing-masing algoritma secara objektif, dilakukan evaluasi model menggunakan teknik validasi silang k-fold cross validation, sehingga hasil klasifikasi dapat dibandingkan secara menyeluruh berdasarkan sejumlah indikator evaluasi, seperti akurasi, presisi, dan recall.
PENDEKATAN ANALISIS PREDIKTIF REGRESI MENGGUNAKAN METODE PEMBELAJARAN MESIN UNTUK MEMPERKIRAKAN EFFORT PENGEMBANGAN PERANGKAT LUNAK PADA APPLIKASI MENARA MASJID BAZNAS RI Jupriyanto, Jupriyanto; Kusuma, Muhammad Romadhona
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 10 No 1 (2025): JUSIM : Jurnal Sistem Informasi Musi Rawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v10i1.2595

Abstract

Suatu proyek pastinya membutuhkan suatu estimasi, pada proyek pengembangan perangkat lunak estimasinya berfokus untuk memperkirakan effort apa saja yang diperlukan pada saat mengembangkan perangkat lunak dengan mencakup sumber daya, kebutuhan tenaga kerja yang diperlukan, waktu serta pengolahan jadwal kegiatannya serta berusaha menekan anggaran menjadi seminimal mungkin. Biasanya seorang Manajer proyek yang akan bertanggung jawab serta memberi keputusan untuk menangani perhitungan proyek estimasi tersebut. Seringkali membuat keputusan di bawah ketidakpastian yang tinggi adalah masalah kritis dalam pengembangan perangkat lunak. Sedangkan dalam hal Memprediksi tentunya membutuhkan suatu pengalaman tingkat lanjut dan juga alat bantu yang dapat digunakan untuk meningkatkan keakuratan prediksi tersebut. Sebuah prediksi berbasis algortima machine learning dapat memprediksi effort pengembangan perangkat lunak secara efisien dan berguna yang keakuratannya membantu memprediksi kinerja berdasarkan data historis metrik pengembangan perangkat lunak, tentu hal ini bagi manajer proyek dapat bermanfaat sebagai salah satu opsi sistem pendukung keputusan untuk meningkatkan ketepatan dalam hal memperkirakan effort pengembangan perangkat lunak. Berdasarkan latar belakang tersebut maka pada penelitian ini adalah bagaimana melakukan pengukuran untuk meningkatkan efisiensi dalam memperkirakan effort pembangunan perangkat lunak. kami mencoba membangun model estimasi regresi prediktif untuk memprediksi effort pada proses proyek pengembangan perangkat lunak, menggunakan beberapa algortima machine learning seperti Linier Regresion (LR), K-Nearest Neighbors (KNN), maupun Support Vector Machine (SVM) dan Random Forest (RF) serta Decision Tree (DT)
Perbandingan Kinerja Algoritma Naïve Bayes dan C4.5 pada Sistem Web Klasifikasi Kelayakan PKH Jupriyanto, Jupriyanto; Apandi, Jamaludin; Wijaya, Anderias Eko; Hermawan, Rian; Siallagan, Timbo Faritcan Parlaungan; Udoyono, Kodar; Ahmad, Hermansyah Nur
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 1 (2025): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i1.287

Abstract

This study discusses the development of a web-based classification system for determining the eligibility of recipients of the Family Hope Program (PKH), by comparing two data mining algorithms: C4.5 and Naïve Bayes. The dataset used includes various attributes relevant to eligibility assessment for social assistance. The C4.5 algorithm is employed to generate an interpretable decision tree, while the Naïve Bayes algorithm is used for probabilistic classification. The results show that Naïve Bayes achieved the highest accuracy at 98%, excelling in processing large datasets more efficiently. Meanwhile, C4.5 achieved an accuracy of 93.33% and offered better interpretability through its decision tree visualization. Both algorithms proved effective in classifying PKH eligibility and can be implemented in social assistance information systems to improve the accuracy and efficiency of the beneficiary selection process. This research concludes that the choice of algorithm should be based on system priorities—whether the focus is on processing speed or result interpretability.
Evaluasi Performa Naive Bayes dan CART pada Klasifikasi Kualitas Tahu Nugraha, Luthfy Akmal; Jupriyanto, Jupriyanto; Haq, Haris Nizhomul; Wijaya, Anderias Eko; Ahmad, Hermansyah Nur
Jurnal Teknologi Informasi dan Komunikasi Vol 18 No 2 (2025): October
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v18i2.328

Abstract

Untuk tetap bersaing di pasar global, produsen tahu harus memastikan kualitas produk yang konsisten. Pabrik Tahu Sumber Barokah, sebagai pemasok tahu bernutrisi tinggi yang telah lama beroperasi, menghadapi tantangan dalam menjaga kualitas sepanjang proses produksi. Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Classification and Regression Trees (CART) dalam mengklasifikasikan kualitas tahu menggunakan dataset yang dikumpulkan dari pabrik, yang berisi sampel tahu berkualitas tinggi dan rendah. Metodologi penelitian mencakup identifikasi masalah, pengumpulan data, preprocessing, klasifikasi, validasi, evaluasi, dan penarikan kesimpulan. Cross-validation digunakan untuk validasi model, dan confusion matrix digunakan untuk menilai precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa Naïve Bayes mencapai akurasi 91%, precision 100%, recall 85%, dan F1-score 92%, sedangkan CART mencapai akurasi 86%, precision 70%, recall 100%, dan F1-score 82%. Hasil ini menunjukkan bahwa Naïve Bayes lebih cocok untuk mengklasifikasikan kualitas tahu dalam konteks ini.
Transforming Primary Science Learning with AI-Based Interactive Multimedia: Impacts on Critical Thinking Skills in Primary Education Sari, Yunita; Jupriyanto, Jupriyanto; Ismiyanti, Yulina; Amelia, Winda
Jurnal Kependidikan : Jurnal Hasil Penelitian dan Kajian Kepustakaan di Bidang Pendidikan, Pengajaran, dan Pembelajaran Vol. 11 No. 4 (2025): December
Publisher : LPPM Universitas Pendidikan Mandalika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33394/jk.v11i4.17759

Abstract

This study aims to develop AI-based interactive multimedia and evaluate its feasibility and effectiveness in enhancing the critical thinking skills of elementary school students. The research employed a Research and Development (R&D) method using the ADDIE model, consisting of the Analysis, Design, Development, Implementation, and Evaluation phases. The participants were 52 elementary school students. The instruments used in this study included expert validation questionnaires, user response questionnaires, and critical thinking test sheets. Data were analyzed through expert validation analysis, teacher and student practicality response analysis, and critical thinking test analysis of students in the experimental and control groups using the t-test and N-Gain test. The expert validation results showed average scores of 93.7% from material experts, 94.8% from media experts, and 95% from linguists, all categorized as “very valid,” indicating that the AI-based interactive multimedia is highly appropriate for use. The effectiveness test, conducted by comparing pretest and posttest results of 26 control-class students and 26 experimental-class students, revealed that the control class obtained an average pretest score of 58.85 and a posttest score of 75.00, whereas the experimental class obtained 60.05 and 86.08, respectively. The t-test yielded a Sig. (2-tailed) value of 0.000 < 0.05, indicating a significant difference in students’ critical thinking abilities between the experimental and control classes. The N-Gain score of 65 indicated a moderately effective category. In conclusion, the AI-based interactive multimedia developed for science learning content is feasible and effective in improving elementary students’ critical thinking skills.
KEBAYA: Digital Comics on Indonesian Cultural Diversity to Enhance High-Order Thinking Skills in Elementary School Ismiyanti, Yulina; Fatmawati, Sima; Sari, Yunita; Jupriyanto, Jupriyanto; Enfesta, Lolita; Khosa, Martha
Profesi Pendidikan Dasar Vol. 12, No. 3, December 2025
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/ppd.v12i3.13918

Abstract

In the era of globalisation and digital transformation, elementary education faces challenges in preserving local cultural values within technology-based learning environments. Digital learning media often emphasise globalised content, limiting culturally grounded learning experiences. Meanwhile, Higher-Order Thinking Skills (HOTS) have become a core objective of 21st-century education, yet empirically validated media integrating Indonesian cultural diversity with HOTS development remain scarce. This study aims to develop and evaluate KEBAYA (Digital Comics on Indonesian Cultural Diversity), a culture-based digital comic designed to enhance students’ HOTS through interactive narratives. Using a research and development approach with the ADDIE model, the study involved needs analysis, product design aligned with curriculum and cultural values, development using the Canva application, expert validation, and field trials with elementary students. Effectiveness was assessed through HOTS-oriented tests and response questionnaires. The results show that KEBAYA is valid, practical, and effective in improving students’ HOTS, particularly analysis, evaluation, and creative thinking, offering a scalable model for culturally responsive digital learning. This study contributes to culturally responsive digital pedagogy and provides a scalable learning medium for elementary education.
KOMIK DIGITAL SEJARAH INDONESIA SEBAGAI UPAYA PENINGKATAN HASIL BELAJAR KOGNITIF SISWA SEKOLAH DASAR Ismiyanti, Yulina; Afandi, Muhamad; Yustiana, Sari; Jupriyanto, Jupriyanto
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 3 (2025): Juni
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i3.31467

Abstract

Abstrak: Permasalahan yang dihadapi mitra adalah rendahnya pemahaman siswa terhadap materi sejarah yang disebabkan oleh penggunaan metode pembelajaran konvensional dan kurangnya media visual yang menarik. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan hasil belajar kognitif siswa sekolah dasar Kayuapu melalui penggunaan media komik digital bertema sejarah Indonesia. Metode pengabdian ini yaitu edukatif partisipatif yaitu dengan melibatkan peserta didik dalam kegiatan pengabdian. Tujuannya adalah menciptakan suasana belajar yang interaktif, dinamis, dan relevan dengan kebutuhan serta potensi peserta didik melalui implementasi komik digital. Subyek kegiatan berjumlah 19 siswa kelas V. Evaluasi dilakukan dengan pemberian pretest dan posttest, kemudian dianalisis menggunakan perhitungan persentase peningkatan hasil belajar. Hasil menunjukkan adanya peningkatan rata-rata nilai siswa dari 58,2 pada pretest menjadi 78,2 pada posttest, dengan persentase peningkatan sebesar 34,2%. Temuan ini menunjukkan bahwa komik digital sejarah Indonesia dapat menjadi media pembelajaran yang efektif dalam meningkatkan hasil belajar kognitif siswa sekolah dasar.Abstract: The problem faced by the partner is the low understanding of students regarding history material, caused by the use of conventional teaching methods and the lack of engaging visual media. This community service activity aims to improve the cognitive learning outcomes of Kayuapu elementary school students through the use of digital comics themed on Indonesian history. The method of this community service is participatory education, which involves actively engaging students in the service activities. The goal is to create an interactive, dynamic, and relevant learning atmosphere that meets the needs and potential of the students through the implementation of digital comics. The subjects of the activity were 19 fifth-grade students. Evaluation was conducted by administering pretests and posttests, which were then analyzed using percentage calculations of learning outcome improvement. The results show an increase in the average student scores from 58.2 on the pretest to 78.2 on the posttest, with a percentage increase of 34.2%. These findings indicate that digital comics on Indonesian history can be an effective learning medium in improving the cognitive learning outcomes of elementary school students.
PERBANDINGAN KINERJA ALGORITMA SVM DAN NAIVE BAYES PADA KLASIFIKASI PRESTASI AKADEMIK SISWA: STUDI KASUS SMAS BPD TOBELO SELATAN Pattiasina, Tiska; Fredriksz, Grace; Luturmas, Join Rachel; Salhuteru, Andrie CH; Matuankotta, Febiola; Nunumete, Laura S; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 18 No 1 (2026): Jurnal Teknologi Informasi Mura
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2915

Abstract

Students’ academic achievement is an important indicator of the success of the educational process; however, its assessment is often subjective and not yet fully data-driven. Therefore, a systematic analytical approach is required to classify students’ academic achievement objectively and accurately. This study aims to compare the performance of Support Vector Machine (SVM) and Naive Bayes algorithms in classifying the academic achievement of grade III students at SMAS BPD Tobelo Selatan. A data mining approach using classification techniques was applied, involving 17 attributes as predictor variables and two target classes of academic achievement, namely Very Good and Good. Data processing and model evaluation were conducted using the WEKA software, with performance measured through accuracy, precision, recall, and the Area Under the Receiver Operating Characteristic Curve (AUC-ROC). The results indicate that the SVM algorithm achieves the best performance in terms of accuracy, precision, and recall, each reaching 97.78%, while the Naive Bayes algorithm obtains the highest AUC-ROC value of 98.08%. These findings demonstrate that SVM is superior in prediction accuracy, whereas Naive Bayes shows excellent capability in class discrimination. This study is expected to support data-driven academic decision-making in school environments.
SISTEM INFORMASI GEOGRAFIS PARIWISATA BERBASIS WEB MENGGUNAKAN REACT JS DI KABUPATEN SUBANG Ahmad, Hermansyah Nur; Jupriyanto, Jupriyanto
Jurnal Teknologi Informasi Mura Vol 18 No 1 (2026): Jurnal Teknologi Informasi Mura
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2917

Abstract

Subang Regency, West Java has significant natural and cultural tourism potential; however, tourism location information is not yet optimally integrated. Scattered information makes it difficult for tourists to obtain accurate location data, descriptions, and access to tourist destinations. This study aims to develop a web-based Geographic Information System (GIS) for tourism using React JS with a full-stack architecture. The system development applies the Agile method, enabling iterative and adaptive development based on user requirements. The system utilizes interactive digital maps based on Leaflet, search and category filtering features, multiple map display modes, and a review and rating feature without user login. The results show that the system provides accurate tourism location information, is easy to access, and offers real-time visit statistics. This system is expected to support regional tourism promotion and assist tourism management in data-driven decision-making.
Co-Authors Achmad Fauzi Ahmad, Hermansyah Nur Amelia, Winda Anderias Eko Wijaya Andri Agung Riyadi Apandi, Jamaludin Azhari, Lukman Basir, Mochamad Abdul Budilaksono, Sularso Enfesta, Lolita Fachri Amsury Fatmawati, Sima Fredriksz, Grace Haq, Haris Nizhomul Hernawati Irwansyah Saputra Khosa, Martha Kodar Udoyono, Kodar Kusuma, Muhammad Romadhona Kuswanto, Sabar Luturmas, Join Rachel Mahpud, Mahpud Matuankotta, Febiola Maulana, Lutfi Mohamad Aminudin Muhamad Afandi, Muhamad Novita Mariana Nugraha, Luthfy Akmal Nugraheni, Setyo Wuri Kartika Nunumete, Laura S Pattiasina, Tiska Permana, Eka Putri, Cerafine Delna Rian Hermawan Riansyah, Andi Salhuteru, Andrie CH Siallagan, Timbo Faritcan Parlaungan siti nurlela Suwarno, M.Anno Suwartane, I Gede Agus Tiska Pattiasina Wijayanti, Adek Candra Nur Yulina Ismiyanti, Yulina Yunita Sari Yustiana, Sari