Article Per Year (5 Year)
p-Index From 2021 - 2026
4.526
P-Index
This Author published in this journals
All Journal Jurnal Teknoin Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sains dan Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal IMPACT: Implementation and Action Musamus Journal Of Research Information and Communication Technology Technologia: Jurnal Ilmiah Journal of Information Systems and Informatics JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Journal of K6 Education and Management JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI BAKTI BANUA : JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jumat Informatika: Jurnal Pengabdian Masyarakat Jurnal Media Informatika Digital Transformation Technology (Digitech) SmartComp Jurnal Kolaborasi Sains dan Ilmu Terapan Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer INTECH - Informatika Dan Teknologi
Windarsyah Windarsyah
Universitas Muhammadiyah Banjarmasin
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
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.
ANALISIS PERAMALAN PENJUALAN AIR MINUM DALAM KEMASAN DISTRIBUTOR AIR AMANAH DENGAN METODE NAÏVE BAYES naufal, muhammad muhammad; Kamarudin, Kamarudin; Windarsyah, Windarsyah
JATISI Vol 12 No 3 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i3.11545

Abstract

This study aims to assist the Amanah Water Distributor in efficiently managing its stock of bottled drinking water by applying the Naïve Bayes method. This method analyzes historical sales data from 2023 to 2024 to accurately forecast monthly stock requirements. The developed forecasting system provides restocking recommendations to prevent overstocking—which can increase storage costs—and understocking—which may lead to lost sales opportunities. With more accurate forecasting, the system is expected to improve operational efficiency, minimize the risk of loss, and support more effective decision-making to ensure the sustainability of the Amanah Water Distributor’s business operations.
IoT-Based Air Quality Monitoring and Analysis at MSME Locations Fitria, Fitria; Pebriadi, Muhammad Syahid; Windarsyah, Windarsyah; Rakhmawati, Aneta; Khalid, Anhar
Journal of Information System and Informatics Vol 7 No 4 (2025): December
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v7i4.1355

Abstract

Air is a crucial element that affects the survival of living things, but air pollution is often overlooked, especially in areas with intensive human activities, such as MSME locations. This research aims to design an Internet of Things (IoT)-based air quality monitoring device in MSME trader locations, especially in open spaces exposed to cigarette smoke and closed air-conditioned spaces. The method used was a quantitative descriptive approach with experiments, collecting primary data through an MQ-135 air quality sensor that measured the concentration of gases such as CO and NH3. The results showed that in an air-conditioned room, the gas concentration was detected at 536.00 PPM, while in the cigarette smoke area it was 197.36 PPM. A significant decrease in sensor resistance at both locations indicates the presence of air pollution that is harmful to health. Data were collected continuously for seven days. Based on OSHA exposure limits, concentrations above 50 ppm may pose health risks, indicating that the detected 536 ppm is significantly beyond safe thresholds. This device demonstrates real-time environmental monitoring applicability for MSME settings. This study proposes continuous monitoring and pollution mitigation to improve air quality and reduce health impacts.
Implementasi Algoritma Naive bayes Untuk Klasifikasi Kasus Stunting Pada Anak Di Puskesmas Pekauman Berbasis Web Muhammad Ridho Hijriawan; Kamarudin; Windarsyah
INTECH Vol. 6 No. 1 (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.v6i1.3038

Abstract

Stunting adalah kondisi ketika pertumbuhan fisik anak terhambat, terutama tinggi badannya yang jauh di bawah standar usianya. Ini bukan sekadar soal pendek, tapi menjadi indikator bahwa anak mengalami kekurangan nutrisi selama bertahun-tahun, terutama selama seribu hari pertama lahir. Di Puskesmas Pekauman banyak sekali terdapat anak yang terindikasi stunting. Pada tahun 2023 dan 2024 terdata di puskesmas ada 180 anak di puskesmas pekauman. Adapun Permasalahan utamanya yaitu proses manual untuk menentukan stunting di Puskesmas Pekauman adalah kurangnya efisiensi dalam identifikasi kasus anak yang berisiko stunting proses ini rentan terhadap kesalahan dalam pengukuran dan pencatatan data. Berdasarkan variabel penentuannya mencakup usia anak, perbedaan jenis kelamin, serta data antropometri seperti tinggi badan, berat badan, dan lingkar kepala. dimana klasifikasi untuk menentukan Normal atau Stunting kondisi stunting pada anak. Naïve Bayes digunakan untuk menentukan kelas suatu data dengan menghitung peluang dari masing-masing kelas berdasarkan informasi yang tersedia, Pemodelan statistik dapat digunakan oleh metode Naïve Bayes dalam proses klasifikasi. Menghitung sebuah probabilitas, motode ini bisa melatih data uji berdasarkan data yang sdah terjadi. Dengan penerapan algoritma Naïve Bayes dalam mengklasifikasikan stunting pada anak di Puskesmas Pekauman memperoleh nilai akurasi 86%. Dengan adanya perhitungan metode Naïve Bayes, para medis di Puskesmas Pekauman dapat lebih mudah mengklasifikasikan status stunting pada anak dan menyampaikan saran serta penanganan yang sesuai, yaitu jika anak terindikasi stunting, maka diberikan tindakan pencegahan dan penanganan lebih lanjut, dan jika anak berstatus normal, maka diberikan anjuran untuk menjaga pola makan serta pertumbuhan yang optimal.
Pendekatan Hybrid DBSCAN dan K-Means untuk Optimasi Zona Penerimaan Peserta Didik Baru Sa'adah Sa'adah; Finki Dona Marleny; Windarsyah Windarsyah
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 4 No. 2 (2026): Edisi Januari- Juni
Publisher : Utiliti Project Solution

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

Abstract

Penentuan batas wilayah dalam sistem Penerimaan Peserta Didik Baru (PPDB) berbasis zonasi menuntut mekanisme yang mampu mengakomodasi dua dimensi sekaligus: kedekatan geografis antara tempat tinggal siswa dengan sekolah, serta kondisi sosial-ekonomi keluarga yang melatarbelakangi kebutuhan mereka. Penelitian ini merancang pendekatan gabungan antara algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) guna membentuk zona geografis secara adaptif, dan K-Means untuk memetakan profil sosial-ekonomi siswa. Data yang digunakan mencakup 1.091 siswa SMAN 1 Alalak dengan 10 atribut sosial-ekonomi beserta koordinat GPS. Hasil optimasi menunjukkan bahwa DBSCAN dengan parameter ε=3,0 km dan min_samples=3 menghasilkan tiga zona bermakna dengan 54 titik terpencil (4,9%), Silhouette Score 0,7685, dan Davies-Bouldin Index 0,1447. K-Means dengan K=5 klaster dan reduksi dimensi PCA 3 komponen menghasilkan lima profil sosial-ekonomi mulai dari Sangat Rendah (62 siswa) hingga Tinggi (459 siswa) dengan Silhouette Score 0,8824 dan Davies-Bouldin Index 0,1866. Perpaduan hybrid dari kedua algoritma menghasilkan 15 segmen unik yang memungkinkan pemetaan kebutuhan siswa secara menyeluruh. Segmen yang paling memerlukan intervensi adalah 58 siswa di Zona-1 dengan profil Sangat Rendah. Kebaruan penelitian ini terletak pada penyatuan klasterisasi densitas spasial berbasis metrik Haversine dengan segmentasi sosial-ekonomi berbasis PCA dalam satu kerangka hybrid, sebuah pendekatan yang sebelumnya belum diterapkan di wilayah sungai dan rawa seperti Kalimantan Selatan.
Implementasi Algoritma XGBoost Untuk Prediksi Kondisi Lingkungan Pada Budidaya Jamur Tiram Andika Syarif Hidayatullah; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i3.10458

Abstract

Budidaya jamur tiram (Pleurotus ostreatus) memerlukan pengendalian lingkungan yang presisi pada lima parameter kritis: suhu, kelembapan, intensitas cahaya, kadar CO₂, dan pH substrat. Penyimpangan dari rentang optimal pada salah satu parameter tersebut dapat menghambat pertumbuhan miselium hingga menyebabkan kegagalan panen. Sistem monitoring manual bersifat reaktif dan rentan terhadap keterlambatan respons, sehingga pendekatan prediktif menjadi kebutuhan yang mendesak. Penelitian ini mengimplementasikan klasifikasi langsung berbasis XGBoost untuk memprediksi kondisi lingkungan kumbung 6 jam ke depan menggunakan data sensor IoT yang direkam setiap 30 detik selama 17 hari dengan total 50.087 baris data. Pelabelan dilakukan pada nilai sensor aktual menggunakan aturan berjenjang yang membedakan sensor kritis (suhu, kelembapan, pH) dan sensor toleran (intensitas cahaya, CO₂), kemudian XGBClassifier dilatih secara langsung pada label tersebut. Ketidakseimbangan kelas ditangani menggunakan class weight seimbang dan threshold optimal dipilih berdasarkan MCC tertinggi. Hasil menunjukkan Balanced Accuracy 69,90% dan MCC 0,4296, dengan kelas cukup mencapai recall 0,92 dan kelas optimal mencapai precision 0,88. Sistem ini menjadi fondasi intervensi proaktif pada budidaya jamur cerdas berbasis IoT.
Klasifikasi Tingkat Penjualan Produk Menggunakan Algoritma Decision Tree Pada Multi Cabang ARR Cell Husnul Hatimah; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/juksit.v5i1.185

Abstract

Toko ARR Cell merupakan usaha ritel telekomunikasi dengan volume transaksi tinggi yang menyulitkan identifikasi produk laris secara manual. Penelitian ini bertujuan membangun model klasifikasi tingkat penjualan produk menggunakan algoritma Decision Tree pada 187.877 data transaksi dari tujuh cabang periode Juli 2025 hingga Maret 2026. Karena dataset belum memiliki label, pelabelan dilakukan melalui metode scoring berbasis frekuensi transaksi dan total unit terjual, yang kemudian dikelompokkan menjadi empat kelas menggunakan metode kuartil. Model klasifikasi dibangun menggunakan algoritma Decision Tree dengan tujuh fitur prediktor transaksi. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat penjualan produk dengan akurasi testing sebesar 74,32%, precision 74,44%, recall 74,32%, dan F1-score 73,92%. Selisih akurasi training dan testing yang kecil, yaitu 2,72%, menunjukkan bahwa model bersifat stabil, konsisten, dan tidak mengalami overfitting dalam memprediksi tingkat penjualan ritel pada multi cabang.
Penerapan Algoritma K-Means Berbasis Model RFM untuk Klasterisasi Anggota di Perpustakaan Daerah Kuala Kapuas Winda Astria Nuansa Saputri; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/juksit.v5i1.187

Abstract

Perpustakaan daerah belum memiliki mekanisme berbasis data untuk membedakan anggota berdasarkan pola kunjungan dan peminjaman, sehingga layanan masih diberikan secara seragam kepada seluruh anggota. Penelitian ini bertujuan menerapkan model Recency, Frequency, Monetary (RFM) dikombinasikan dengan Algoritma K-Means untuk menghasilkan segmentasi berbasis data terhadap 1.430 anggota Dinas Kearsipan dan Perpustakaan Daerah Kuala Kapuas. Metode yang digunakan meliputi konstruksi variabel RFM dari data kunjungan dan peminjaman, normalisasi MinMaxScaler, penentuan jumlah klaster optimal menggunakan Elbow Method, implementasi K-Means, serta validasi kualitas klaster menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil penelitian menunjukkan K=3 sebagai jumlah klaster optimal dengan nilai Silhouette Score sebesar 0,3478. Tiga klaster yang terbentuk adalah Anggota Aktif (199 anggota, 13,9%), Anggota Sedang (570 anggota, 39,9%), dan Anggota Pasif (661 anggota, 46,2%), dengan dimensi Frequency sebagai pembeda utama antar klaster. Anggota Pasif tercatat memiliki tingkat kepuasan layanan yang tinggi meskipun jarang berkunjung, yang mengindikasikan hambatan akses sebagai penyebab kepasifan. Berdasarkan profil tiap klaster, dirumuskan tiga strategi layanan terdiferensiasi berupa retensi untuk Anggota Aktif, peningkatan keterlibatan untuk Anggota Sedang, dan reaktivasi untuk Anggota Pasif.
Analisis Intensitas Kenaikan Muka Air Sungai Bahalayung dan Sungai Balimau Menggunakan Methode Random Forest Classifier Shofia Zulfa; Windarsyah; Finki Dona Marleny
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

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

Abstract

Kenaikan muka air yang tidak terpantau di Kabupaten Hulu Sungai Selatan kerap menimbulkan banjir yang merugikan permukiman dan lahan pertanian sekitar sungai. Penelitian ini bertujuan menganalisis intensitas kenaikan muka air Sungai Bahalayung dan Sungai Balimau menggunakan algoritma Random Forest Classifier berbasis data hidrologi harian periode 2022–2025. Data diklasifikasikan ke dalam tiga kategori intensitas yaitu rendah, sedang, dan tinggi dengan rekayasa fitur berbasis riwayat ketinggian air dan evaluasi model menggunakan skema pembagian data kronologis. Akurasi terbaik dicapai sebesar 81,44% untuk model gabungan dan 82,82% untuk model Sungai Balimau, dengan fitur rasio ketinggian air mingguan dan volatilitas jangka pendek sebagai prediktor paling dominan. Sungai Bahalayung teridentifikasi lebih rawan lonjakan mendadak sehingga menjadi prioritas utama dalam upaya mitigasi banjir di wilayah tersebut.
Komparasi Skenario Fitur dan Model Machine Learning untuk Klasifikasi Risiko Perizinan DPMPTSP Kota Banjarmasin Raisya Alifa Khansa; Windarsyah; Finki Dona Marleny
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

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

Abstract

Tingginya beban kerja verifikasi manual perizinan di DPMPTSP Kota Banjarmasin mendorong kebutuhan terhadap sistem klasifikasi otomatis berbasis data historis OSS-RBA. Penelitian ini membandingkan enam algoritma klasifikasi machine learning — Decision Tree, Random Forest, Naive Bayes, K-Nearest Neighbor, Support Vector Machine, dan XGBoost — melalui tiga percobaan dengan skenario fitur yang berbeda. Percobaan 1 menggunakan empat parameter resmi PP No. 5/2021, Percobaan 2 memperluas fitur dengan menambahkan variabel KL/Sektor Pembina, Jenis Perusahaan, dan Jenis Proyek, serta Percobaan 3 melakukan optimasi hyperparameter menggunakan Grid Search pada model terbaik. Dataset terdiri dari 1.100 data perizinan dengan empat kelas risiko, dievaluasi menggunakan 10-Fold Stratified Cross Validation dan pengujian pada data uji terpisah (80:20). Model terbaik yang dihasilkan adalah XGBoost dengan parameter diperluas dan hyperparameter teroptimasi, mencapai akurasi 84,55% dan F1 Macro 0,7728. Analisis feature importance pada model final mengungkap bahwa KL/Sektor Pembina berkontribusi 48,94% terhadap prediksi — jauh melampaui seluruh parameter resmi PP seperti Jumlah Investasi (3,98%) dan Skala Usaha (2,94%) — mengindikasikan bahwa regulasi yang berlaku belum mengoptimalkan seluruh variabel yang relevan secara empiris dalam penentuan tingkat risiko perizinan berusaha. Model XGBoost teroptimasi yang dihasilkan berpotensi diimplementasikan sebagai sistem rekomendasi klasifikasi risiko otomatis di lingkungan DPMPTSP Kota Banjarmasin, guna mendukung verifikasi data perizinan secara lebih efisien, konsisten, dan terstruktur.
Co-Authors Ahadi Ningrum, Ayu Ahmad Aqli Ahmad Faisal Hamidi Andika Syarif Hidayatullah Anhar Khalid Ayu Ahadi Ningrum Elisa Fitriana Erni Erni Finki Dona Marleny Fitria Fitria Gazali, Mukhaimy Hamdani Hamdani Hendrik Hendrik Hijriawan, Muhammad Ridho Husnul Hatimah Husnul Khatimi Juhriyansyah Dalle Kamaruddin Kamarudin Kamarudin Kamarudin Lazwardi, Ahmad Mambang Maulida, Ihdalhubbi Moh. Rasyid Ridho Muhammad Alfiyani Muhammad Alkaff Muhammad Noval Muhammad Ridho Hijriawan Muhammad Tantowi Jauhari Muhammad Ziki Elfirman Mukhaimy Gazali Mukhaimy Gazali Nahdi Saubari naufal, muhammad muhammad Pangestu, Bayu Maulana Pebriadi, Muhammad Syahid Raisya Alifa Khansa Rakhmawati, Aneta reniemeliya reniemeliya Rizma Nurhaliza Rudy Ansari Rudy Ansari, Rudy Rudy Ansyari Ruhaidani, Emma Ryan Maulana Sa'adah Sa'adah Shofia Zulfa Susanti, NurAina Teduh Dirgahayu Thariq, Thariq Winda Astria Nuansa Saputri