p-Index From 2021 - 2026
7.843
P-Index
This Author published in this journals
All Journal Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Prosiding SNATIF InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Syntax Literate: Jurnal Ilmiah Indonesia Jurnal SOLMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL MANAJEMEN INFORMATIKA (JUMIKA) Jurnal DISPROTEK Jurnal Nasional Komputasi dan Teknologi Informasi JUTEKIN (Jurnal Manajemen Informatika) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Jurnal SITECH : Sistem Informasi dan Teknologi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang E-Link: Jurnal Teknik Elektro dan Informatika JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi Jurnal Algoritma, Logika dan Komputasi Indonesian Journal of Technology, Informatics and Science (IJTIS) WASIS : Jurnal Ilmiah Pendidikan Jurnal Pendidikan dan Teknologi Indonesia Jurnal Dialektika Informatika (Detika) Journal La Multiapp JAST Muria Jurnal Layanan Masyarakat Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat Biner : Jurnal Ilmiah Informatika dan Komputer Jurnal Pengabdian Pada Masyarakat Nusantara Journal of Computers and its Applications SmartComp Science Information System and Technology INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Bina Informatika dan Komputer (BINER)
Claim Missing Document
Check
Articles

Implementasi Decision Tree untuk Prediksi Kebutuhan Bahan Kain Pada Usaha Konveksi Septiani, Dwi; Evanita, Evanita; Susanto, Arief
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2586

Abstract

Convection businesses often inaccurately estimate fabric demand, leading to stock waste or material shortages that disrupt production. This study aimed to improve fabric demand prediction accuracy at Threetan Collection by applying the Decision Tree Regressor algorithm. The model was developed using historical production data consisting of five key variables: pants size, fabric type, fabric brand, pants model, and order quantity. The dataset was divided into 80% training and 20% testing. Two model versions were developed: one without parameter optimization and another with hyperparameter optimization using RandomizedSearchCV. The optimized model demonstrated better performance, achieving a mean absolute error of 0.7851 yards and explaining 98.62% of data variability. The results show that the proposed model enhances fabric stock management efficiency. The model has been implemented in a web-based application using Flask and MySQL to support a more effective production process.Keywords: Decision Tree Regressor; Fabric demand prediction; Hyperparameter optimization; RandomizedSearchCV; Flask AbstrakUsaha konveksi sering mengalami kesalahan dalam estimasi kebutuhan bahan kain, yang menyebabkan pemborosan stok atau kekurangan bahan yang menghambat produksi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi kebutuhan kain pada usaha konveksi Threetan Collection dengan menerapkan algoritma Decision Tree Regressor. Model dikembangkan berdasarkan data historis produksi yang terdiri dari lima variabel utama: ukuran celana, jenis kain, merek kain, model celana, dan jumlah pesanan. Dataset dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Dua versi model dikembangkan, yaitu tanpa optimasi parameter dan dengan optimasi hyperparameter menggunakan RandomizedSearchCV. Model yang dioptimasi menunjukkan performa lebih baik, dengan kesalahan absolut rata-rata sebesar 0,7851 yard dan mampu menjelaskan 98,62% variabilitas data. Hasil penelitian menunjukkan bahwa model yang diusulkan dapat meningkatkan efisiensi manajemen stok bahan kain. Model ini telah diimplementasikan dalam aplikasi berbasis web menggunakan Flask dan MySQL untuk mendukung proses produksi secara lebih efektif. 
Pendampingan Pembuatan dan Penggunaan Aplikasi MESSI LARI bagi Guru SDN 5 Gondangmanis Kudus Jawa Tengah Riswari, Lovika Ardana; Ermawati, Diana; Evanita, Evanita
Jurnal SOLMA Vol. 14 No. 1 (2025)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v14i1.17219

Abstract

Pendahuluan: Penggunaan game dalam pembelajaran merupakan inovasi yang dapat membantu guru dalam meningkatkan efektivitas pembelajaran. Aplikasi MESSI LARI dikembangkan sebagai media berbasis game untuk mendukung perkembangan berpikir kritis siswa serta membantu guru dalam menerapkan Kurikulum Merdeka di SD. Metode: Pelatihan yang diberikan mencakup analisis kebutuhan, perancangan, dan evaluasi aplikasi berbasis Android guna meningkatkan keterampilan guru dalam pengembangan media pembelajaran digital. Hasil: Pelatihan ini berhasil meningkatkan keterampilan guru dalam pembuatan aplikasi MESSI LARI. Selain itu, penggunaan aplikasi ini membuat pembelajaran lebih menarik bagi siswa dalam memahami konsep kubus dan balok serta mendorong berpikir kritis. Kesimpulan: Penerapan teknologi dalam pembelajaran, seperti aplikasi MESSI LARI, terbukti efektif dalam meningkatkan keterampilan numerasi siswa dan kemampuan bernalar kritis, serta memperkaya proses pembelajaran di sekolah dasar.
SALARY APPLICATION SYSTEM BERBASIS WEB PADA TOKO BAROKAH BEAUTY Khoirul Anam, Raikhan; Evanita, Evanita; Susanto, Arief
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12768

Abstract

Toko Barokah Beauty, salah satu toko kosmetik yang berkembang di Jepara, menghadapi permasalahan dalam pengelolaan penggajian karyawan. Kurangnya kedisiplinan karyawan serta pengelolaan sistem manajemen yang masih manual menyebabkan kurang optimalnya sistem penggajian pada toko ini. Tulisan ini bertujuan untuk membahas pentingnya implementasi sistem penggajian otomatis yang efisien dan transparan guna mendukung operasional yang lancar serta kesejahteraan karyawan. Saat ini, toko masih menggunakan sistem penggajian manual yang rawan kesalahan dan memakan waktu. Dengan penerapan sistem penggajian berbasis teknologi, Toko Barokah Beauty dapat menghitung gaji karyawan secara cepat, akurat, dan terintegrasi dengan absensi, jam kerja, keterlambatan, ketidakhadiran, izin, dan shift kerja. Sistem ini juga akan memperhitungkan potongan gaji akibat keterlambatan dan bolos, serta bonus berdasarkan penjualan karyawan. Selain meningkatkan efisiensi operasional, sistem ini mendukung pembayaran gaji yang tepat waktu dan transparan, sehingga meningkatkan kepercayaan dan motivasi karyawan untuk bekerja lebih baik. Dengan adanya perhitungan yang adil dan transparan, lingkungan kerja yang produktif dan harmonis dapat tercipta. Implementasi sistem penggajian otomatis ini bukan hanya langkah menuju efisiensi, tetapi juga investasi dalam pengembangan sumber daya manusia dan kesejahteraan karyawan, yang pada akhirnya mendukung pertumbuhan dan kesuksesan jangka panjang Toko Barokah Beauty. Hasil pengembangan Salary Application System di Toko Barokah Beauté Jepara: Aplikasi penggajian karyawan meningkatkan efisiensi dan akurasi dalam proses penggajian. Dengan otomatisasi perhitungan gaji, tunjangan, dan potongan, kesalahan manual dapat diminimalisir, dan waktu yang dibutuhkan untuk mengelola penggajian secara signifikan berkurang. Transparansi dan Kepuasan Karyawan Implementasi aplikasi penggajian meningkatkan transparansi dan kepuasan karyawan.
IMPLEMENTASI CONTENT-BASED FILTERING PADA SISTEM REKOMENDASI BUKU PERPUSTAKAAN Hanun Dhiya Reswara, Rasyida; Evanita, Evanita; Susanto, Arief
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13312

Abstract

Perpustakaan memiliki peran penting sebagai sumber literasi. Jumlah koleksi buku yang banyak sering kali membuat anggota kesulitan menemukan buku yang sesuai dengan minat atau kebutuhan anggota. Penelitian ini bertujuan untuk mengimplementasikan metode Content-Based Filtering (CBF) dalam sistem rekomendasi buku Perpustakaan Universitas Muria Kudus. Metode ini bekerja dengan menganalisis konten atribut buku untuk memberikan rekomendasi yang relevan berdasarkan kesamaan antar buku. Proses implementasi melibatkan algoritma TF-IDF (Term Frequency-Inverse Document Frequency) untuk mengukur relevansi antar konten buku dan Cosine Similarity untuk menghitung tingkat kesamaan antar buku berdasarkan fitur buku. Sistem ini dibangun menggunakan bahasa Python dengan framework Flask. Sistem ini memiliki dua fitur utama: rekomendasi berbasis pencarian dan rekomendasi berbasis riwayat peminjaman, di mana buku yang pernah dipinjam tidak akan direkomendasikan kembali. Evaluasi dilakukan menggunakan metrik Precision@10. Sampel evaluasi diambil dari 10 pengguna perpustakaan dengan riwayat peminjaman berbeda, dan sistem menghasilkan rata-rata Precision@10 sebesar 0.91, yang mengindikasikan bahwa 91% rekomendasi yang diberikan relevan dengan preferensi pengguna.
Sistem Informasi Manajemen Jemaat Berbasis Web Untuk Meningkatkan Efisiensi Pelayanan Gereja Pantekosta Serikat di Indonesia Oktavianus, Yohanes; Riadi, Aditya Akbar; Evanita, Evanita
Journal of Information System Research (JOSH) Vol 6 No 3 (2025): April 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i3.6961

Abstract

Managing congregation data and church activity schedules manually often leads to errors or possibly data loss such as, limited access to information, and potential recording errors. The purpose of this research is to develop a custom-made web-based congregation and church schedule management information system to support service efficiency at GPSDI Juwana. The system includes the ability to manage church data, activity schedules, and real-time reports that can be accessed by administrators and authorized users. The system was developed using the “waterfall” development methodology through the phases of requirements analysis, design, implementation and testing. The test results show that the system can improve administrative efficiency, minimize data entry errors, and make information more accessible to all parties involved. The developed system can also reduce church administrators' errors when managing church data by 70%. The system aims to be an innovative solution that supports the digitalization of church worship today.
Klasifikasi Kematangan Buah Tin Menggunakan Convolutional Neural Network Berbasis Android Maulana Aditya Yusman; Evanita Evanita; Aditya Akbar Riadi
Jurnal Teknik Informatika dan Sistem Informasi Vol 9 No 2 (2023): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v9i2.5701

Abstract

Fig is a fruit that comes from the Middle East. However, there are several figs that can be found in Indonesia, such as Green Jordan Fig. A lot of people like this fruit because of its sweet taste and has many benefits to be used as medicine. The classification of fig ripeness generally uses subjective human eye so that it can cause errors due to the insignificant characteristics of fig ripeness when ripe and inripe, when ripe it is light green, slightly yellowish, while when inripe the fruit is green. Therefore, the author got the idea to make an application for classification of fig ripeness via image based on Android using the Convolutional Neural Network algorithm. In this study, the results obtained accuracy of 94%.
Klasifikasi Wayang Kulit Kurawa Menggunakan Algoritma CNN Khoirun Nisa', Nining; Evanita, Evanita; Riadi, Aditya Akbar
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.856

Abstract

Wayang kulit, sebagai warisan budaya Indonesia yang diakui oleh UNESCO, menghadapi tantangan pelestarian akibat pergeseran minat generasi muda terhadap hiburan digital. Tokoh Kurawa dalam Mahabharata, yang merupakan tokoh antagonis kunci, sering kali direduksi menjadi tujuh karakter utama dalam pementasan wayang kulit Jawa, seperti Duryudana dan Dursasana. Penelitian ini bertujuan untuk mengklasifikasikan tokoh-tokoh Kurawa menggunakan Convolutional Neural Network (CNN) sebagai upaya mendukung dokumentasi digital. CNN dipilih karena kemampuannya yang terbukti dalam mengekstrak fitur visual, seperti tepian dan tekstur, melalui lapisan konvolusi, pooling, dan fully connected. Dalam eksperimen yang dilakukan, model CNN berhasil mencapai akurasi sebesar 89,50% dengan waktu eksekusi 20,83 detik. Top-3 accuracy mencapai 98%, menunjukkan kemampuan model dalam mengidentifikasi karakter dengan presisi tinggi. Hasil evaluasi menggunakan classification report menunjukkan nilai precision, recall, dan f1-score yang sangat baik untuk sebagian besar kelas, dengan nilai rata-rata makro sebesar 89,41%. Hasil ini membuktikan efektivitas CNN sebagai alat yang dapat digunakan untuk preservasi digital tokoh wayang kulit. Pendekatan ini memungkinkan nilai filosofis wayang kulit untuk diakses secara interaktif oleh generasi muda, sekaligus mempertahankan relevansi budaya tradisional di era digital. Dengan demikian, teknologi deep learning dapat menjadi solusi dalam pelestarian warisan budaya, khususnya wayang kulit, untuk mengatasi ancaman kepunahan akibat globalisasi.
Implementation of Convolutional Neural Network Algorithm in Recyclable Waste Recognition to Support Environmental Management Yuliana Fitriani; Evanita, Evanita; Akbar Riadi, Aditya
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/drcjhg64

Abstract

Waste remains one of the unresolved environmental problems, primarily due to ineffective waste management in sorting and recycling processes. Many individuals are unaware of or do not have the time to identify recyclable types of waste. This study aims to develop a web-based system capable of automatically classifying waste types to support raising public awareness of the importance of recycling. The method used is a CNN with a total of 1,800 images divided into six classes: glass, paper, metal, plastic, organic, and residual. The dataset is split into 1,296 images for training, 144 for validation, and 360 for testing. Unlike previous studies that classified only two to three types of waste or were not web-based, this system combines classification of six categories with an interactive web interface that can be directly used by the public. The results show that the developed model achieved an accuracy of 90%, with the best performance in classifying organic waste. However, the model still has limitations such as sensitivity to variations in lighting, varying image capture angles, and visual similarities among certain waste types that can affect classification accuracy. These findings indicate that the proposed system has the potential to help the community manage waste more effectively and sustainably.
Implementasi Algoritma Reinforcement Learning dalam Pengelolaan Energi untuk Sistem Smart Grid Khusna, Nor Milatul; Evanita, Evanita; Riadi, Aditya Akbar
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8690

Abstract

Pengelolaan energi pada sistem smart grid merupakan tantangan penting dalam mendukung efisiensi dan keberlanjutan energi, khususnya pada skala rumah tangga. Penelitian ini mengusulkan implementasi algoritma Proximal Policy Optimization (PPO) berbasis Deep Reinforcement Learning (DRL) untuk mengoptimalkan efisiensi penggunaan energi melalui strategi load shifting. Lingkungan simulasi dibangun untuk merepresentasikan konsumsi energi rumah tangga dalam skenario waktu nyata, di mana agen PPO dilatih untuk mengalihkan beban penggunaan listrik ke waktu dengan tarif lebih rendah atau beban sistem yang lebih ringan. Pengujian dilakukan terhadap tiga skema reward dengan dua mode pelatihan, yaitu cepat dan maksimal. Hasil terbaik diperoleh pada kombinasi reward ketiga dengan mode pelatihan maksimal, menghasilkan rata-rata reward sebesar 41690,53 dan efisiensi biaya hingga 95,83% dibandingkan dengan data konsumsi asli. Temuan ini membuktikan bahwa PPO merupakan pendekatan yang efektif dalam pengelolaan energi pada smart grid skala rumah tangga, khususnya dalam mendukung strategi pengalihan beban yang adaptif dan hemat biaya.
Decision Support System In Selecting Teak Wood Raw Materials For Furniture Production At Lestari Jati Sukmawati, Zesiy Risna Dewi; Evanita, Evanita; Riadi, Aditya Akbar
Journal La Multiapp Vol. 6 No. 4 (2025): Journal La Multiapp
Publisher : Newinera Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37899/journallamultiapp.v6i4.2370

Abstract

The furniture industry that uses teak wood as the main raw material faces various challenges in maintaining the quality of materials and the efficiency of the production process. Teak wood is known to have advantages such as high resistance to weather and insects, good structural strength, and distinctive and elegant grain beauty. However, the quality of teak wood varies greatly depending on environmental factors, tree age, and processing process. These variations can affect the final result of furniture products, so it is important for companies to choose the right raw materials. This study aims to develop a Decision Support System (DSS) specifically designed to help Lestari Jati company in determining teak wood raw materials consistently and objectively. This DSS considers several main criteria, such as age, fiber, color, volume. The Simple Additive Weighting (SAW) method is used to give priority weight to each criterion and determine the best alternative from the available raw materials. With this system, the company is expected to be able to obtain accurate recommendations, accelerate the decision-making process, and significantly improve product quality and production efficiency, so that it can increase competitiveness in the teak wood furniture market.