Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) Jurnal SOLMA JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Prosiding Seminar Riset Mahasiswa The Indonesian Journal of Computer Science
Ferry Putrawansyah, Ferry
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering Engineering Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI ANAK STUNTING DI KOTA PAGAR ALAM Xsanal Hakim, Revaldo; Putrawansyah, Ferry; Syahri, Riduan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9301

Abstract

Di Pagar Alam, prediksi dan pengukuran tingkat Stunting masih mengandalkan analisis sekunder. Kader Posyandu melibatkan diri dalam mengukur kondisi balita, dan hasilnya diserahkan kepada ahli untuk menilai apakah balita tersebut mengalami Stunting atau tidak. Tujuan dari penelitian ini adalah mengaplikasikan Algoritma C4.5 untuk melakukan prediksi terkait kasus Stunting pada anak. Dari permasalahan yang ada diatas, maka metode yang dapat menyelesaikan permasalahan ini yaitu Algoritma C4.5 yang termasuk dalam Pohon Keputusan pada data mining. Proses data mining peneliti menggunakan salah satu metode CRIPSP-DM dan pengujian menggunakan black box testing memperoleh total 4.35 masuk ke kategori sangat layak. Hasil dalam penelitian ini berupa sebuah sistem. Pohon keputusan diwujudkan sebagai aturan dalam sistem. Tujuan sistem ini adalah membantu tenaga kesehatan dalam membuat keputusan terkait prediksi status gizi balita. Sistem prediksi ini bermanfaat untuk mengidentifikasi balita berisiko gizi buruk sehingga tindakan pencegahan dapat dilakukan dengan lebih efektif.
Pemanfaatan Limbah Jeruk Gerga menjadi Nata de Citrus Gerga (NAGA) pada Kelompok Tani Mangku Anom, Desa Muara Siban Baru, Kecamatan Dempo Utara, Kota Pagar Alam Padya, Inka Rizki; Putrawansyah, Ferry; Martiana, Anggia
Jurnal SOLMA Vol. 13 No. 3 (2024)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v13i3.16647

Abstract

Background: Peningkatan luas areal perkebunan jeruk gerga memiliki permasalahan utama yaitu meningkatnya limbah jeruk pada proses pasca panen. Limbah jeruk yang dihasilkan memiliki jumlah yang cukup tinggi, dan penangan limbah ini hanya dibuang oleh petani sehingga akan memberikan dampak negatif pada lingkungan. Tujuan dari kegiatan pengabdian masyarakat adalah untuk memberikan sosialisasi tentang pengolahan limbah jeruk menjadi Nata de citrus dan pelatihan proses produksi Nata de citrus sebagai upaya meningkatkan pendapatan petani dan mengurangi limbah. Metode: Pengabdian ini dilakukan pada kelompok Tani Mangku Anom, Desa Muara Siban Baru, Kecamatan Dempo Utara Kota Pagar Alam sebanyak 40 peserta. Metode yang digunakan adalah sosialisai, diskusi dan pelatihan pembuatan serta pengujian sensori dengan uji hedonic (Tingkat kesukaan) pada minuman nata de citrus. Hasil: Hasil kegiatan ini memberikan pemahaman tentang Nata de citrus sebagai solusi pemanafaatan jeruk sisa sortasi yang biasanya dibuang sebagai limbah. Sisa jeruk gerja dapat diolah menjadi minuman yang memiliki manfaat kesehatan dan selain itu anggota Kelompok Tani telah berhasil memproduksi produk nata de citrsu dengan kemasan yang menarik. Kesimpulan: Produk nata siap saji dan produk minuman nata siap saji memiliki sifat sensori (penampilan, aroma, rasa, dan tekstur) yang diterima dan disukai oleh panelis.
Implementasi Algoritma FP-Growth Pada E-Commerce Kopi Pagar Alam Menggunakan Framework Codeigniter Dewi, Nadiya Citra; Putrawansyah, Ferry; Puspita, Desi
The Indonesian Journal of Computer Science Vol. 11 No. 1 (2022): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v10i2.3012

Abstract

Penelitian ini bertujuan untuk menghasilkan Implementasi Algoritma FP-Growth pada E-commerce menggunakan metode Business to Consumer (B2C) khusus kopi Pagar Alam Penelitian ini dilatarbelakangi oleh kurangnya daya jual kopi selama pandemi, dimana proses penjualan kopi yang hanya sebatas lokal sehingga dibutuhkan E-commerce yang membantu proses transaksi jual beli yang leboh kompleks. Metode pengembangan yang digunakan Rapid, Application dan Development. E-commerce ini dibuat menggunakan bahasa pemrograman PHP 7 yang include dengan framework Codeigniter 3 dengan menggunakan API raja ongkir dan virtual payment menggunakan Midtrans. Hasil penelitian ini adalah E-commerce dinyatakan layak pada uji alpha yakni Ahli Database, Interface, Fungsional dan Algoritma dengan nilai rata-rata 3,8 sehingga Layak di implementasikan dan pada uji betha ke 10 user didapatkan skor 4,3 dengan kategori sangat valid selanjutnya pada pengujian algoritma FP-Growth pada aspek Pengelompokan dan penyeleksian data dinyatakan berhasil sehingga disimpulkan bahwa E-commerce Kopi Pagar Alam layak dan sangat valid untuk di implementasikan sebagai start-up bisnis bagi petani.
Klasterisasi Pola Kehadiran Pegawai Institut Teknologi Pagar Alam Menggunakan Algoritma K-Means Kristianda, Tari; Putrawansyah, Ferry; Febriansyah, Febriansyah
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

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

Abstract

Tujuan dari penelitian ini adalah untuk mengetahui klasterisasi pola kehadiran pegawai menggunakan Metode Clustering dengan algoritma K-Means di Institut Teknologi Pagar Alam. Penelitian ini dilatar belakangi dengan proses pengelolaan data kehadiran pegawai yang dilakukan masih hanya sebatas pengarsipan saja, data disimpan dalam bentuk file microsoft excel. Dari proses pengumpulan data tersebut belum adanya pengelolaan yang lebih lanjut sehingga dapat menghambat pemantauan kedisiplinan pegawai dan ketaatan dalam hal ketepatan waktu datang. Sedangkan data tersebut dinilai perlu bagi instansi untuk meningkatkan kinerja dari pegawai, untuk menentukan dan membuat kebijakan baru terhadap kinerja pegawai. Data pegawai diolah menggunakan Rapid Miner dan bahasa pemrograman Python, metode pengembangan sistem dalam penelitian ini menggunakan metode Cross Industry Standard Process for Data Mining (CRISP-DM), dimana tahapan meliputi Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation dan Deployment. Untuk metode pengujian menggunakan Elbow Method pengujian menghitung hasil dari sum of square error (SEE) dari tiap nilai K untuk mencari jumlah cluster terbaik dengan melihat hasil yang berbentuk siku. Hasil dari penelitian ini yakni pola kehadiran pegawai ditahun 2020 yaitu Cluster_0 dengan Jumlah 6 Pegawai, Cluster_1 dengan jumlah 10 pegawai, Cluster_2 dengan jumlah pegawai 9. Selanjutnya ditahun 2021 diperoleh cluster_0 sebanyak 6 pegawai, cluster_1 sebanyak 11 pegawai, dan cluster_2 sebanyak 8 pegawai. Dan ditahun 2022 diperoleh cluster_0 sebanyak 15 pegawai, cluster_1 sebanyak 8 pegawai, dan cluster_2 sebanyak 2 pegawai. Untuk hasil pengujian Elbow Method dengan perhitungan sum of square error (SEE) yaitu 1249.721. Kemudian diperoleh 3 cluster yang tepat yang berbentuk siku diantaranya cluster_0 dengan keterangan Tepat Waktu, cluster 1 dengan keterangan Sedang dan cluster 2 dengan keterangan Tidak Tepat Waktu. Maka hasil klasterisasi dengan Rapid Miner dapat dikatakan valid atau sesuai dengan pengujian menggunakan Elbow Method yang ada di Python.Kata kunci : Clustering K-Means; CRISP-DM; Elbow Method; Rapid Miner.
Penerapan Metode Support Vector Machine Terhadap Klasifikasi Jenis Jambu Biji Putrawansyah, Ferry
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i1.988

Abstract

Penelitian ini bertujuan untuk menghasilkan  Klasifikasi Jenis Jambu Biji dengan Metode Support Vector Machine dengan Image Processing. Penelitian ini dilatar belakangi dengan proses pengklasifikasian jenis jambu biji masih dilakukan secara konvensional yakni pengklasifikasian jambu biji masih berdasarkan pengamatan, warna dan bentuk dari jambu biji. Hal ini tentu saja membutuhkan waktu yang lama dan masih sering terjadi kesalahan, sehingga penelitian ini dapat membantu pengklasifikasian jambu biji menggunakan metode Support Vector Machine (SVM) dengan cepat. Sistem yang dibangun menggunakan Software MATLAB, dalam metode pengembangan sistem dalam penelitian ini adalah metode SDLC (Software Development Life Cycle), dimana tahapan meliputi analisis, desain, pengkodean dan pengujian, untuk metode pengujian menggunakan Confusion Matrix yang dibagi menjadi 2 yaitu data training dan data testing. Hasil dari penelitian ini yakni sistem Klasifikasi Jenis Jambu Biji dengan metode Support Vector Machine dengan Image Processing dimana pada 80 data training, menghasilkan 56 data berhasil dikenali dan 24 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 70%. Kemudian setelah dilakukan holdout validation dengan 20 data testin, menghasilkan 16 data berhasil dikenali dan 4 data tidak berhasil dikenali, sehingga mendapat persentase sebesar 80%. Akhirnya sistem yang menerapkan support vector machine terhadap klasifikasi jambu biji dengan image processing mendapat akurasi yang tinggi 
Improving the Accuracy of Stunting Prediction in Children in Pagar Alam City Using XGBoost Feature Selection and K-Nearest Neighbor Classification Putrawansyah, Ferry; Idris, Mohd. Yazid; Febriansyah, Febriansyah
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 6 (2025): JUTIF Volume 6, Number 6, Desember 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.6.5473

Abstract

Stunting remains a major public health concern in Indonesia, including in Pagar Alam City. Early identification of at-risk children is essential to enable timely interventions and reduce long-term developmental consequences. However, predictive models such as K-Nearest Neighbor (K-NN) often experience reduced accuracy when faced with irrelevant features and imbalanced class distributions. This study integrates feature selection using Extreme Gradient Boosting (XGBoost) to enhance the predictive performance of K-NN in assessing stunting risk. Child growth data obtained from local health facilities were analyzed to build an initial baseline model, which exhibited limited accuracy due to excessive attributes and class imbalance. Through feature-importance analysis, XGBoost identified key predictors including sex, age, weight, and height. The optimized dataset was then used to retrain the K-NN model. Evaluation using accuracy, precision, recall, and F1-score demonstrated an improvement in accuracy from 85.63% to 93.72%. Beyond the computational results, this research provides significant contributions to the field of health informatics. The integration of XGBoost and K-NN offers an efficient analytical mechanism suitable for clinical decision support systems, particularly for data-driven screening in primary healthcare settings. The optimized, lightweight model can be embedded into health information systems to support child growth monitoring, strengthen evidence-based policymaking, and assist healthcare workers in targeting interventions more effectively. This approach can be replicated across other regions, supporting nationwide efforts to reduce stunting prevalence.
Co-Authors - Universitas Sriwijaya Palembang, Sardianto MS ., Zulkardi Dewi, Nadiya Citra Febriansyah Febriansyah Kristianda, Tari Martiana, Anggia Mohd. Yazid Idris Padya, Inka Rizki Puspita, Desi Syahri, Riduan Xsanal Hakim, Revaldo