Claim Missing Document
Check
Articles

Found 17 Documents
Search

Aplikasi Mobile “saveRP”: Manajemen Keuangan Pribadi Dengan Fitur Perencanaan Anggaran Nurmaesah, Nunung; Ryando, M. Bucci; Batu Bara, Muhamad Aldi Mudin; Pudoli, Ahmad
Academic Journal of Computer Science Research Vol 7, No 1 (2025): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v7i1.15802

Abstract

Kurangnya literasi keuangan di kalangan masyarakat terutama pada siswa, menunjukkan perluasan kesenjangan dalam pemahaman keuangan yang sehat. Hal ini dapat membuat pengeluaran yang tidak efektif dan kurangnya pencatatan transaksi sering kali menjadi penyebab utama masalah keuangan. Penelitian ini bertujuan untuk mempermudah proses pencatatan dan pengelolaan keuangan pribadi secara efektif dan mudah. Metode penelitian dalam pembuatan aplikasi “saveRP” melibatkan observasi, wawancara, literature review dan kuesioner dengan tahapan perancangan aplikasi model waterfall. Dengan menggunakan aplikasi mobile “saveRP untuk mencatat dan mengelola pengeluaran pribadi ini rata-rata sebesar 91% dari 23 responden menunjukkan bahwa aplikasi ini mendapat respon positif sebagai media yang efektif mengelola keuangan pribadi. Maka, aplikasi mobile berbasis Android ini menjadi salah satu cara yang efektif dalam mengelola keuangan pribadi dengan mudah.
Analisis Performa Deteksi Penyakit Paru-Paru dengan Model Klasifikasi Gambar Menggunakan LSTM Deep Learning Anwar, Khoirul; Maruf, Rohim; Susanto, Fredy; Ryando, M. Bucci
Jurnal Ilmiah Universitas Batanghari Jambi Vol 25, No 1 (2025): Februari
Publisher : Universitas Batanghari Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33087/jiubj.v25i1.5697

Abstract

This research aims to analyze the performance of image classification models for lung disease detection using the long short-term memory (LSTM) deep learning method, and compare it with other methods such as convolutional neural networks (CNN). LSTM, which is commonly used in sequential data processing, is explored for its capabilities in handling medical imaging data. Performance comparisons are based on accuracy, precision, recall, and F1-score metrics, with data drawn from multiple sources of lung imaging datasets. The results of this study show that the LSTM method has certain advantages and disadvantages compared with CNN in terms of efficiency, detection accuracy, and generalization ability.
OPTIMALISASI PENGENDALIAN BIAYA PERSEDIAAN DENGAN METODE REORDER POINT UNTUK MEMINIMALKAN STOK MATI PADA APOTEK Haerunnisa, Siti; Syifa Aulia; M. Bucci Ryando; Triono
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10120

Abstract

Apotek merupakan toko yang menyediakan berbagai jenis obat-obatan dan memiliki peran penting dalam menyediakan obat yang dibutuhkan oleh masyarakat, dan melayani konsultasi kesehatan terkait penggunaan obat yang benar. Salah satu aktivitas rutin yang dilakukan oleh pihak apotek adalah stock opname. Proses stock opname ini bertujuan untuk memastikan bahwa tidak ada kekurangan atau kelebihan stok obat yang dapat mengganggu operasional apotek, serta untuk mencegah adanya barang kadaluarsa yang tidak terdeteksi. Stok mati merupakan kondisi dimana suatu produk yang ada dalam persediaan tidak terjual dalam jangka waktu yang lama. Stok mati seringkali berhubungan dengan pemborosan sumber daya, karena barang yang tidak terjual atau sudah rusak tetap memerlukan penyimpanan, yang pada akhirnya menambah biaya operasional dan merugikan bisnis. Tujuan dari penelitian ini adalah untuk mengoptimalkan pengendalian biaya persediaan di Apotek dengan menerapkan  metode Reorder Point (ROP) secara efektif, guna meminimalkan stok mati dan meningkatkan efisiensi operasional. Dengan memahami pola permintaan obat, Apotek dapat mengidentifikasi obat-obatan yang perlu diperoleh dalam jumlah lebih banyak (permintaan tinggi), sementara obat dengan permintaan rendah dapat dipesan dalam jumlah terbatas. Dengan memanfaatkan teknologi, dan penggunaan metode ROP diharapkan Perusahaan dapat dengan mudah mengoptomalkan pengelolaan persediaan, meminimalkan stok mati, meningkatkan efisiensi operasional, serta profitabilitas Apotek.
Enhancing Leave Management Systems with Design Thinking-Based UI/UX Development Ramadhanti, Nur Fairus; Sidik , Achmad; Ryando, M. Bucci
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2291

Abstract

This study addresses the inefficiencies in the employee leave management process of a company operating in both the service and manufacturing sectors, which currently relies on a manual, document-based system devoid of centralized data integration. Such a system has led to administrative bottlenecks, documentation inaccuracies, and reduced operational transparency, thereby hampering employee satisfaction and organizational productivity. To overcome these limitations, the Design Thinking methodology was adopted as a user-centered approach for the development of an intuitive and functional web-based leave management application. The research employed the five phases of Design Thinking—empathize, define, ideate, prototype, and test—to ensure that the system's design aligns with user expectations and organizational goals. Primary data were gathered through interviews and questionnaires administered to employees and human resource personnel, enabling the identification of key pain points in the existing workflow. A prototype was developed and subsequently evaluated using the System Usability Scale (SUS), a widely accepted instrument for measuring perceived usability. The system achieved a usability score of 87.45% based on responses from 10 users, indicating a high level of user satisfaction and system acceptance. These findings demonstrate the effectiveness of the Design Thinking approach in producing a leave management system that not only enhances administrative efficiency but also fosters a positive user experience. The study contributes to the growing body of literature on user-centered system design and provides a replicable framework for organizations seeking to digitally transform HR administrative functions through iterative, human-centered design methodologies.
Perbandingan Algoritma K-Nearest Neighbor dan Naive Bayes untuk Klasifikasi FoMO Pengguna Media Sosial Haromaen, Muhammad; Piskana, Marthin; Ryando, M. Bucci; Hadinata, Wira
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2: Agustus 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2784

Abstract

The intensive use of social media among students poses a risk of triggering Fear of Missing Out (FoMO), which negatively affects mental health and learning focus. This study aims to develop a classification model to detect FoMO tendencies among students at SMAN 11 Kabupaten Tangerang. A quantitative approach was used, employing the K-Nearest Neighbor (KNN) and Naïve Bayes algorithms. The analyzed variables include gender, duration of social media use, access frequency, desire to stay updated, and its impact on productivity. Data were collected from 244 respondents and processed through pre-processing, modeling, and evaluation stages. Validation results show that KNN achieved the highest accuracy at 94.69%, while Naïve Bayes reached 93.06%. These findings indicate that KNN is more effective in detecting FoMO tendencies based on numerical data and has the potential to support early intervention efforts in educational settings.Keywords: Fear of Missing Out; K-Nearest Neighbor; Social Media; Classification; Naive Bayes AbstrakPenggunaan media sosial secara intensif di kalangan pelajar berisiko memunculkan gejala Fear ofaMissing Out (FoMO), yang berdampak negatif pada kesehatan mental dan fokus belajar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kecenderungan FoMO pada pelajar SMAN 11 Kabupaten Tangerang. Metode yang digunakan adalah pendekatan kuantitatif dengan algoritma K-NearestiNeighbor (KNN) dan NaïveiBayes. Variabel yang dianalisis meliputi jenis kelamin, durasi penggunaan media sosial, frekuensi akses, keinginan untuk tetap update, dan pengaruh terhadap produktivitas. Data dikumpulkan dari 244 responden dan diproses melalui pre-processing, modeling, dan evaluasi. Hasil validasi menunjukkan bahwa KNN menghasilkan akurasi tertinggi sebesar 94,69%, sementara Naïve Bayes mencapai 93,06%. Temuan ini menunjukkan bahwa KNN lebih efektif untuk mendeteksi kecenderungan FoMO berbasis data numerik dan berpotensi mendukung pengembangan intervensi dini dalam konteks pendidikan.Kata kunci: Fear of Missing Out; K-Nearest Neighbor; Media Sosial; Klasifikasi; Naive Bayes
PEMBELAJARAN PENGENALAN HEWAN PURBA BERBASIS AUGMENTED REALITY UNTUK MENINGKATKAN KEMINATAN BELAJAR SISWA Akbar, Muhammad Ikmal; Bijaksana, Rhafael; Bucci Ryando, Muhammad; Maesaroh, Siti
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.5870

Abstract

Materi hewan purba merupakan topik yang menantang bagi siswa Taman Kanak-kanak karena memiliki konsep yang abstrak dan sulit dipahami tanpa dukungan visual yang memadai. Anak usia dini cenderung lebih mudah memahami pembelajaran melalui media visual dan interaktif, sehingga penyajian materi seperti hewan purba perlu disajikan secara menarik agar lebih mudah dimengerti. Pembelajaran konvensional yang mengandalkan buku dan kertas sangat bergantung kepada kemampuan guru dalam menyampaikan materi, yang berdampak langsung pada antusiasme, keaktifan, dan pemahaman siswa. Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan teknologi Augmented Reality (AR) terhadap minat belajar siswa Taman Kanak-kanak dalam mempelajari materi tentang hewan purba. Penilitan ini dilakukan pendekatan kuantitatif deskriptif melalui beberapa tahapan yaitu Analisis Kebutuhan, Perencanaan, Pengembangan, Pelaksanaan dan Evaluasi. Pengumpulan data dilakukan melalui kuesioner disusun menggunakan bahasa yang mudah dipahami anak-anak. Hasil penelitian menunjukkan bahwa sebagian besar siswa memperlihatkan antusiasme tinggi saat belajar menggunakan teknologi AR. Visualisasi hewan purba yang tampak hidup dan dapat bergerak secara interaktif mampu membangkitkan rasa ingin tahu serta meningkatkan keterlibatan siswa dalam proses belajar. Dengan demikian, teknologi Augmented Reality terbukti menjadi alternatif metode pembelajaran yang efektif dalam meningkatkan minat belajar siswa Taman Belajar Anak Cirarab, terutama pada materi yang bersifat visual dan eksploratif seperti hewan purba.
Perbandingan Klasifikasi Tipe Kesuksesan Generasi Z Menggunakan Algoritma Naïve Bayes dan Decision Tree Novara Aulist Zakia; Ryando, M. Bucci; Agung, Halim
TEMATIK Vol. 12 No. 1 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i1.2334

Abstract

This study aims to classify the types of success of Generation Z using the CRISP-DM method approach and using the Naïve Bayes and Decision Tree algorithms. Generation Z who grew up in a digital environment has a unique view of the meaning of success, which is no longer limited to income or position, but also includes life balance and self-development. This study identifies several important factors such as educational background, technological skills, work experience, personal branding, and use of social media as determining variables in the classification of types of success. The classification model produces four main categories of success, namely financial, career, self-development, and life balance. The results showed that life balance was the most dominant category of success among respondents. The use of the Naïve Bayes and Decision Tree algorithms showed that Decision Tree with balancing techniques (random oversampling) provided the highest classification accuracy, which was 94%, compared to Naïve Bayes which only reached 37%. This study makes an important contribution to the development of human resource strategies, education, and policies that are relevant to the characteristics and aspirations of Generation Z in the digital era.