Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer INFORMATIKA KOMMAS: Jurnal Pengabdian Kepada Masyarakat Journal of Artificial Intelligence and Digital Business
Kahfi Heryandi Suradiradja
Universitas Pamulang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PELATIHAN DESIGN GRAFIS SEDERHANA DENGAN APLIKASI CANVA BAGI SISWA SMK NASIONAL DEPOK Kahfi Heryandi Suradiradja; Dani Ramdani; Slamet Raharjo
KOMMAS: Jurnal Pengabdian Kepada Masyarakat Vol 4, No 1 (2023): KOMMAS: JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : KOMMAS: Jurnal Pengabdian Kepada Masyarakat

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

Abstract

Salah satu kewajiban yang dibebankan kepada dosen Universitas Pamulang adalah Pengabdian Kepada Masyarakat yang dilaksanakan setiap semester. Pada semester ganjil tahun ajaran 2022-2023, pengabdian dilaksanakan di SMK Nasional Depok dengan alasan pemilihan pemilihan tersebut karena salah satu SMK swasta yang memiliki fasilitas memadai dengan jumlah siswa yang lumayan banyak namun website yang dimilikinya masih perlu dikembangkan dalam hal inovasi konten yang ada pada websitenya, sehingga kemanfaatannya masih kurang maksimal sebagai media untuk menginformasikan profil, potensi, kegiatan, dan berbagai keunggulan yang dimiliki sekolah kepada masyarakat umum dengan desain grafis yang lebih menarik dan kreatif. Oleh karena itu tim dosen pengabdi mengusulkan suatu workshop atau pelatihan dengan tema Pemanfaatan Aplikasi Canva untuk Desain Grafis bagi Siswa SMK.  Pemilihan aplikasi tidak terlepas dari pertimbangan teknis siswa dan biaya sehingga dipilih aplikasi Canva berbasis web based baik digunakan dengan desktop komputer ataupun smartphone. Pelatihan ini diharapkan mampu menghasilkan siswa yang mampu membuat desain grafis atau konten grafis sederhana sehingga dapat mendukung kegiatan apapun yang positif yang dapat diberdayagunakan secara maksimal.
PENERAPAN NATURAL LANGUAGE PROCESSING ALGORITME SBERT PADA APLIKASI CHATBOT PENERIMAAN MAHASISWA BARU UNIVERSITAS PAMULANG Aji Sakti Ardiansyah; Kahfi Heryandi Suradiradja
Informatika: Jurnal Teknik Informatika dan Multimedia Vol. 6 No. 1 (2026): MEI : JURNAL INFORMATIKA DAN MULTIMEDIA
Publisher : LPPM Politeknik Pratama Kendal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/informatika.v6i1.1645

Abstract

The New Student Admission (PMB) process at Pamulang University currently relies on one-way information channels such as Instagram and brochures only at designated posts. This condition limits access to information for prospective students, especially when they require quick and detailed answers regarding registration requirements, schedules, and tuition fees. Furthermore, the large number of applicants in each admission period makes manual inquiry services inefficient and prone to delays. Therefore, a technology-based solution must provide interactive, fast, and accurate information services. This study aims to develop a Chatbot based on Natural Language Processing (NLP) using the Sentence-BERT (SBERT) algorithm to support the PMB process at the Informatics Engineering Program at Pamulang University. The Chatbot is designed to provide accurate and relevant automated responses to prospective students' inquiries regarding PMB. The SBERT algorithm enhances the Chatbot’s ability to understand sentence meanings and deliver contextual responses. The software development adopts the Waterfall model, encompassing requirements analysis, system design, implementation, and testing phases. The expected outcome is a Chatbot system with- high response accuracy that improves efficiency and accessibility of PMB information services. This research is expected to contribute to the implementation of NLP technology in academic environments.
Analisis Prediksi Permintaan Produk FMCG menggunakan Model LSTM dan DES Untuk Optimalisasi Operasional Gudang Distribusi Tanti Cahya Herdiyani; Taswanda Taryo; Kahfi Heryandi Suradiradja; Zafira Salsabilah
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 7 No 2 (2026): September (In Progress)
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37148/bios.v7i2.213

Abstract

The Fast-Moving Consumer Goods (FMCG) sector is characterized by rapid product turnover and short shelf lives, requiring effective inventory management. Companies such as PT Macrosentra Niagaboga face challenges in maintaining stock availability. Although the inventory system has been integrated, stock verification is still conducted manually, requiring adaptive management to minimize the risk of overstock and stockout. Therefore, this study aims to develop a demand forecasting model using the Long Short-Term Memory (LSTM) algorithm integrated with Discrete-Event Simulation (DES) to optimize inventory management. The study utilized historical shipment data from May 2025 to January 2026. Preprocessing included data cleansing, date validation, and aggregation into daily and weekly data. Forecasting results were subsequently used as inputs for the DES simulations to determine optimal inventory policies. The results demonstrated that weekly LSTM aggregation was more accurate and stable than daily aggregation, as evidenced by a reduction in WAPE from 49.9% to 16.94% for high-demand products. Furthermore, integration with DES reduced stock levels by more than 30% using a safety stock ratio of 0.7 without compromising service levels. Finally, the proposed model was implemented in a web-based dashboard serving as a decision support system for monitoring forecasting and inventory policy recommendations.
Komparasi Decision-Tree dan Naïve Bayes untuk Deteksi Hama dan Penyakit Tanaman Anggur Akhmad Murtado; Kahfi Heryandi Suradiradja
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12347

Abstract

Kebun Ruang Edukasi Literasi (REL) Rawa Buntu menghadapi kendala dalam mengidentifikasi hama dan penyakit tanaman anggur karena proses deteksi yang masih dilakukan secara manual berdasarkan pengalaman subjektif. Hal ini memicu risiko ketidakakuratan diagnosis yang berdampak pada kegagalan panen. Penelitian ini bertujuan untuk membuat aplikasi deteksi hama dan penyakit tanaman anggur dengan model terbaik dari hasil komparasi antara algoritme Decision Tree dan algoritme Naïve Bayes. Tahapan pada metodelogi penelitian ini meliputi pengumpulan data, pra-proses, pemodelan, evaluasi dan penerapan model. Dataset dari pengumpulan data diambil dari data histori pencatatan terhadap tanaman anggur di Kebun Ruang Edukasi Literasi Rawabuntu. Pemodelan dilakukan menggunakan tool RapidMiner dan evaluasi pengujian model menggunakan confusion matrix. Hasilnya menunjukkan bahwa algoritme Decision Tree menghasilkan performa terbaik dengan tingkat akurasi mencapai 94,12%. Tahap implementasi model dilakukan dengan menerapkan hasil aturan keputusan (rule IF-THEN) yang diekstraksi dari model algoritme Decision Tree pada sebuah aplikasi berbasis web untuk mendeteksi hama dan penyakit pada tanaman anggur di Kebun Ruang Edukasi Literasi Rawabuntu sehingga dapat membantu pengelola kebun dalam mendiagnosis gangguan tanaman anggur secara cepat, tepat, dan akurat. Saran untuk penelitian selanjutnya adalah jumlah dataset yang digunakan lebih banyak dan bervariasi lagi untuk kondisi gejala penyakit anggur sebagai input dari pemodelan.
Co-Authors Aji Sakti Ardiansyah Akhmad Murtado Dani Ramdani Slamet Raharjo Tanti Cahya Herdiyani Taswanda Taryo Zafira Salsabilah