Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Pilar Nusa Mandiri JIKA (Jurnal Informatika) SPEED - Sentra Penelitian Engineering dan Edukasi
Warjiyono Warjiyono, Warjiyono
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Kajian E-Business Berbasis Cloud Computing Dalam Menghadapi Pasar Bebas Asean Economic Community 2015 - AMIK BSI Sukabumi, Warjiyono
Bianglala Informatika Vol 2, No 2 (2014): Bianglala Informatika 2014
Publisher : Universitas Bina Sarana Informatika

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

Abstract

Persaingan dan tantang bisnis yang begitu ketat diera globalisasi ini menuntut para pelaku bisnis berupaya migrasi dari bisnis yang konvensional menuju E-business. E-business merupakan model proses bisnis yang menggunakan teknologi informasi untuk menjalankan roda bisnisnya guna meningkatkan daya saing usaha. Dalam penerapan Ebusiness perusahaan harus menggelontorkan modal yang besar untuk belanja inventaris teknologi informasi dan komunikasi.Untuk perusahaan besar mungkin tidak sulit tetapi bagi perusahaan kecil seperti UKM-UKM migrasi ke E-Business sangat tidak mungkin karen tidak mempunyai cukup modal. Padahal tahun 2015 akan dibuka pasar bebas ASEAN yaitu bebas arusbarang, jasa, investasi dan tenaga terampil. Cloud computing yang sedang trend saat ini bisa menjadi solusi bagi para pelaku usaha untuk bisa migrasi ke e-business karen di teknologi cloud computing pelaku bisnis hanya menbayar sesuai kebutuhan tanpa harus membeli perangkat IT yang mahal. Harapan dari makalah ini adalah sebagai masukan dan memberikan pertimbangan pelaku bisnis berkaitan dengan manfaatmanfaat dari cloud computing. Kata Kunci : E-Business, Cloud Computing, Teknologi Informasi, , AEC
Penerapan Green Computing Dalam Upaya Efesiensi Sumber Daya Di Amik BSI Tegal - AMIK BSI Tegal, Warjiyono
Indonesian Journal on Software Engineering (IJSE) Vol 2, No 1 (2016): IJSE 2016
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (131.719 KB) | DOI: 10.31294/ijse.v2i1.666

Abstract

Abstract - Impact of the use of natural resources is triggered because of the rapid development of technology in today's modern era. The Indonesian government vigorously implement various policies to conserve the use of resources which adversely affects the preservation of the environment. Green Computing is a program / policy to solve the problem using resources effectively and environmentally friendly. It will be able to reduce the consumption of resources that would threaten the preservation of the earth and reduce global warming. In this study will explain the benefits and application of green computing is good for education, the world of work as well as individual users. BSI AMIK Tegal as a private university in Central Java has implemented green computing in the entire academic campus ranging from saving power consumption by up reduction of paper usage.Keywords: Green Computing, Global Warming, Sustainable Abstrak - Dampak penggunaan sumber daya alam dipicu karena pesatnya perkembangan teknologi di jaman modern saat ini. Pemerintah Indonesia giat menerapkan berbagai macam kebijakan untuk menghemat pemakaian sumber daya yang berakibat buruk pada kelestarian lingkungan hidup. Green Computing merupakan program/kebijakan untuk menyelesaikan masalah dengan menggunakan sumber daya secara efektif dan ramah lingkungan. Hal ini akan mampu mengurangi konsumsi sumber daya yang akan mengancam kelestarian bumi dan mengurangi global warming. Dalam penelitian ini akan dijelaskan manfaat dan cara penerapan green computing baik untuk dunia pendidikan, dunia kerja maupun pengguna individu. AMIK BSI Tegal sebagai perguruan tinggi swasta di Jawa Tengah telah menerapkan green computing di seluruh civitas akademika kampus mulai dari hemat penggunaan daya listrik hingga pengurangan penggunaan kertas. Kata Kunci: Green Computing, Global Warming, Ramah Lingkungan
Analisa Akurasi Dan F1 Score Pada Algoritma Smote Dan Naïve Bayes Pada Dataset Bank Direct Marketing Rais, Amin Nur; Warjiyono, Warjiyono; Kurniawan, Wawan; Ardianto-Universitas Bina Sarana Informatika, Rian
SPEED - Sentra Penelitian Engineering dan Edukasi Vol 11, No 4 (2019): Speed 2019
Publisher : APMMI - Asosiasi Profesi Multimedia Indonwsia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (681.064 KB)

Abstract

Abstract — Introducing products directly is done by many industries, one of the industries that utilize direct marketing is the banking industry. With the product introduction process, the amount of incoming data continues to grow, so that the data can be analyzed for bank marketing, and used to choose the type of marketing carried out. Data mining or often known as data mining is becoming a trend in processing data to get the information needed. Machine Learning becomes a model to find certain patterns to help in making decisions in direct marketing. In the study the process of processing data with machine learning by comparing the results of naïve bayes classification algogirma with the use of smote. The testing model is divided into 2 tests, with smote and without smote. The test results show that the use of smote against the naïve bayes classification algorithm has an influence on the accuracy produced. At the level of accuracy, the comparison between using smote and not using smote, is better when not using smote with an accuracy of 87.52%. Whereas in the F1 Score calculation, the F1 score is better when using a smote of 80.26%. Keywords: accuracy, f1 score, smote, naïve bayes Abstrak – Mengenalkan produk secara langsung banyak dilakukan oleh berbagai industi, salah satu industry yang memanfaatkan pemasaran secara langsung adalah industry perbankan. Dengan dilakukannya proses pengenalan produk, jumlah data yang masuk terus bertambah,sehingga data dapat dianalisa terhadap pemasaran bank, dan digunakan untuk memilih jenis pemasaran yang dilakukan. Penambangan data atau yang sering dikenal dengan data mining menjadi trend dalam melakukan pengolahan data untuk mendapatkan informasi yang dibutuhkan. Machine Learning menjadi model untuk menemukan pola tertentu untuk membantu dalam mengambil keputusan dalam melakukan pemasaran secara langsung. Pada penelitian dilakukan proses pengolahan data dengan machine learning dengan membandingkan hasil pengujian algogirma klasifikasi naïve bayes dengan penggunaan smote. Model pengujian dibagi menjadi 2 pengujian, dengan smote dan tanpa smote. Hasil pengujian menunjukkan bahwa penggunaan smote terhadap algoritma klasifikasi naïve bayes memiliki pengaruh terhadap akurasi yang dihasilkan. Pada tingkat akurasi, perbandingan antara penggunaan smote dan tidak menggunakan smote, lebih baik pada saat tidak menggunakan smote dengan akurasi 87,52%. Sedangkan pada perhitungan F1 Score, nilai F1 score lebih baik pada saat menggunakan smote sebesar 80,26%.. Kata Kunci: akurasi, f1 score, smote, naïve bayes.
SISTEM INFORMASI GEOGRAFIS PEMETAAN BENCANA ALAM KOTA BREBES MENGGUNAKAN METODE EXTREME PROGRAMMING Warjiyono, Warjiyono; Aji, Sopian; Permesti, Tri Indah
Jurnal Pilar Nusa Mandiri Vol 15 No 1 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Maret 2
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1167.988 KB) | DOI: 10.33480/pilar.v15i1.110

Abstract

Public service is an activity of service for every citizen and resident for goods, services, and / or administrative services provided by public service providers, namely the Regional Disaster Management Agency (BPBD) of Brebes Regency. The quality of public services must have the principle of openness or transparency, easily accessible, accountability and cling to the principles of efficiency and effectiveness. But in fact the current information and reporting of disasters is still conventional. This study aims to reflect and build a Web-Based Disaster Geographic Information System using Extreme Programming method. The research method uses qualitative methods with descriptive data analysis techniques. Data obtained by observation and interviews. The benefit of this application is to improve services to the Brebes Regional Disaster Management Agency also useful for internal from the Implementing Party or Admin who can manage Disaster Area data online, accurately, and quickly. As well as greatly helping the community to obtain maps of information on disaster-prone areas, the latest disaster information and the community can report directly on disaster events so that the Regional Government can directly handle the disaster.
OPTIMASI PREDIKSI RISIKO KREDIT DENGAN PREPROCESSING DAN HYPERPARAMETER TUNING Rais, Amin Nur; Warjiyono, Warjiyono; Putra, Jordy Lasmana
Jurnal Informatika Vol 9, No 1 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i1.12782

Abstract

Risiko kredit menjadi tantangan dalam industri keuangan, yang dapat berdampak pada stabilitas lembaga keuangan. Penelitian ini mengevaluasi kinerja model machine learning dalam memprediksi risiko kredit menggunakan dataset dari Kaggle. Empat model yang diuji adalah Logistic Regression, Random Forest, Gradient Boosting, dan K-Nearest Neighbors (KNN), yang masing-masing diuji dalam tiga versi: baseline, preprocessing, dan tuned. Proses preprocessing mencakup penanganan nilai hilang, encoding fitur kategori, dan standarisasi fitur numerik. Model dievaluasi berdasarkan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Gradient Boosting (Tuned) memberikan performa terbaik dengan akurasi 93.79%, presisi 94.91%, recall 76.05%, dan F1-score 84.44%. Penelitian ini memberikan manfaat bagi lembaga keuangan dalam memilih model yang optimal untuk memprediksi risiko kredit dan mendukung pengambilan keputusan berbasis data.
Co-Authors Aji, Sopian Amin Nur Rais Angga Ardiansyah Ardianto-Universitas Bina Sarana Informatika, Rian Fabriyan Fandi Dwi Imaniawan Jordy Lasmana Putra Permesti, Tri Indah Winnugroho Wiratman, Manfaluthy Hakim, Tiara Aninditha, Aru W. Sudoyo, Joedo Prihartono