Article Per Year (5 Year)
p-Index From 2021 - 2026
2.737
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Teknologi Informasi dan Ilmu Komputer KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics Syntax Literate: Jurnal Ilmiah Indonesia JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Teknoinfo Jurnal Ilmu Komputer dan Bisnis Jurnal Teknologi Informasi dan Terapan (J-TIT) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal ABDIMAS (Pengabdian kepada Masyarakat) UBJ Journal of Applied Computer Science and Technology (JACOST) Jurnal Interkom : Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi Ilmu Komputer untuk Masyarakat Paradigma Journal of Innovation and Sustainable Empowerment Prosiding Seminar Nasional Rekayasa dan Teknologi (TAU SNAR- TEK) Jurnal Teknoinfo
Jajang Jaya Purnama
Universitas Bina Sarana Informatika
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
PREDICTION OF SURVIVAL OF HEART FAILURE PATIENTS USING RANDOM FOREST Rahayu, Sri; Purnama, Jajang Jaya; Pohan, Achmad Baroqah; Nugraha, Fitra Septia; Nurdiani, Siti; Hadianti, Sri
Jurnal Pilar Nusa Mandiri Vol 16 No 2 (2020): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v16i2.1665

Abstract

Human survival, one of the roles that is controlled by the heart, makes the heart need to be guarded and be aware of its damage. Heart failure is the final stage of all heart disease. The medical record tool can measure symptoms, body features, and clinical laboratory test values, which can be used to perform biostatistical analyzes but to highlight patterns and correlations not detected by medical doctors. So technology assistance is needed to do this in order to predict the survival of heart failure patients. With data mining techniques used in the available history data, namely the Heart Failure Clinical Records dataset of 299 instances on 13 features used the Random Forest algorithm, Decision Tree, KNN, Support Vector Machine, Artificial Neural Network and Naïve Bayes with resample and SMOTE sampling techniques. The highest accuracy with the resample sampling technique in the random forest is 94.31% and the SMOTE technique used in the random forest produces an accuracy of 85.82% higher than other algorithms.
Analisis Algoritma Klasifikasi Untuk Mengidentifikasi Potensi Risiko Kesehatan Ibu Hamil Purnama, Jajang Jaya; Nina Kurnia Hikmawati; Sri Rahayu
Journal of Applied Computer Science and Technology Vol 5 No 1 (2024): Juni 2024
Publisher : Indonesian Society of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jacost.v5i1.809

Abstract

The health of pregnant women has an important aspect in efforts to achieve the birth of a healthy baby. So early detection of the health of pregnant women has important. In this study the author identified potential maternal health risks for pregnant women by classifying them used machine learning which aims to analyze maternal health datasets with several algorithms including Random Forest, Extra Trees, Extreme Gradient Boosting, Decision Tree, and Light Gradient Boosting Machine. From several classification results carried out analysis and evaluation shown that the Random Forest classification algorithm provided optimal performance with an accuracy of 82,15%. These findings confirmed that the model created could identify complex patterns and relationships between features relevant to the classification of potential health risks for pregnant women at high, medium and low levels. These results have important implications in maternal care, because they cann help doctors and medical personnel make more appropriate and effective decisions in dealing with maternal health risks and provide insight into pregnant women from an early age regarding their health conditions.
Pelatihan Scripting dan Testing (Website) untuk Rukun Warga 013 Kelurahan Cipinang Melayu Mukhayaroh, Anna; purnama, Jajang jaya; Hasan, Muhamad; Rahayu, Sri
Ilmu Komputer untuk Masyarakat Vol 5, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v5i2.2299

Abstract

Pelatihan Scripting dan Testing Website diadakan untuk meningkatkan keterampilan teknologi informasi warga Rukun Warga 013 Kelurahan Cipinang Melayu. Kegiatan ini bertujuan untuk memberikan pemahaman mendalam mengenai pengembangan dan pengujian situs web, yang sangat penting dalam era digital saat ini. Pelatihan mencakup materi dasar hingga lanjutan tentang scripting menggunakan bahasa pemrograman seperti JavaScript, serta teknik-teknik testing untuk memastikan kualitas dan keamanan situs webPelatihan ini diharapkan dapat membekali peserta dengan kemampuan praktis yang dapat diterapkan dalam kehidupan sehari-hari maupun dalam pengembangan usaha. Selain itu, pelatihan ini juga bertujuan untuk memfasilitasi komunikasi dan informasi di lingkungan Rukun Warga 013 melalui pembuatan situs web komunitas yang informatif dan interaktif.Diharapkan pelatihan ini dapat memberikan manfaat yang signifikan dan berkelanjutan bagi warga, serta mendukung terciptanya masyarakat yang lebih melek teknologi dan siap menghadapi tantangan digital di masa depan.
RANCANG BANGUN APLIKASI PENGGAJIAN STAFF BERBASIS WEB DI INSTITUT PAHLAWAN 12 Afandi, Fifin; Jaya Purnama, Jajang; Rahayu, Sri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11874

Abstract

Permintaan yang terus meningkat terhadap teknologi informasi telah memicu kebutuhan akan pengembangan sistem informasi yang efisien, terutama dalam manajemen administrasi. Institut Pahlawan 12, sebagai lembaga pendidikan yang berkembang menghadapi tantangan signifikan dalam pengelolaan sistem penggajian yang masih dilakukan secara manual. Sistem manual ini menimbulkan berbagai masalah, seperti kesalahan perhitungan, keterlambatan pembayaran, kurangnya transparansi, dan kesulitan dalam pelaporan. Penelitian ini bertujuan untuk membangun aplikasi penggajian berbasis web yang dapat mengotomatisasi proses perhitungan gaji, meningkatkan transparansi, mengurangi keterlambatan pembayaran, serta mempermudah pembuatan laporan keuangan. Aplikasi ini diharapkan dapat meningkatkan efisiensi, akurasi, dan kepuasan staff di Institut Pahlawan 12. Metode penelitian dengan Rapid Application Development (RAD), yang mencakup fase requirement planning, design workshop, implementation, dan testing. Model RAD dipilih karena fleksibilitas dan keterlibatan pengguna yang intensif. Hasil pengujian menyatakan bahwa dengan pengembangan aplikasi penggajian berbasis web dengan performance 100% berhasil menciptakan sistem yang mengotomatisasi perhitungan gaji, menyediakan fitur transparansi untuk staff, dan mempermudah pembuatan laporan. Meskipun sistem ini memiliki kelebihan, terdapat kebutuhan untuk pelatihan pengguna dan perhatian terhadap keamanan data. Aplikasi penggajian berbasis web ini berhasil memenuhi tujuan penelitian dengan menyediakan solusi yang efisien dan transparan untuk pengelolaan gaji di Institut Pahlawan 12. Penerapan sistem ini diharapkan dapat mengurangi masalah yang dihadapi dengan sistem manual dan memberikan manfaat bagi lembaga pendidikan.
Klasifikasi Mahasiswa HER Berbasis Algoritma SVM dan Decision Tree Purnama, Jajang Jaya; Nawawi, Hendri Mahmud; Rosyida, Susy; Ridwansyah, Ridwansyah; Risnandar, Risnandar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 6: Desember 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813080

Abstract

Mahasiswa di setiap perguruan tinggi dituntut untuk memperoleh pengetahuan dan keterampilan yang memenuhi syarat dengan prestasi akademik. Hasil dari pembelajaran mahasiswa didapat dari ujian teori dan praktek, setiap mahasiswa wajib menuntaskan nilai sesuai kriteria kelulusan minimum dari masing-masing dosen pengajar, jika dibawah batas minimum maka mahasiswa mengikuti her. Her adalah salah satu cara untuk menuntaskan kriteria kelulusan minimum. Mahasiswa yang mengikuti her setiap semesternya hampir mencapai angka yang relatif tinggi dari jumlah seluruh mahasiswa. Untuk mengurangi jumlah mahasiswa yang mengikuti her maka dibutuhkan sebuah metode yang dapat mengurangi hal tersebut, dengan metode Support Vector Machine (SVM) dan Decision Tree (DT). SVM dan DT adalah salah satu metode klasifikasi supervised learning. Oleh karena itu, dalam penelitian ini menggunakan SVM dan DT. SVM dapat menghilangkan hambatan pada data, memprediksi, mengklasifikasikan dengan sampling kecil dan dapat meningkatkan akurasi dan mengurangi kesalahan. Klasifikasi data siswa yang melakukan her/peningkatan dengan mengimprovisasi model kernel untuk visualisasi termasuk bar, histogram, dan sebaran begitu juga Decision Tree mempunyai kelebihan tersendiri. Dari hasil penelitian ini telah didapatkan akruasi dan presisi model DT lebih besar dibandingkan dengan SVM, akan tetapi untuk recall DT lebih kecil dibandingkan SVM. AbstractStudents in each tertiary institution are required to obtain knowledge and skills that meet the requirements with academic achievement. The results of student learning are obtained from the theory and practice exams, each student is required to complete grades according to the minimum graduation criteria of each teaching lecturer, if below the minimum limit then students take remedial. Remedial is one way to complete the minimum passing criteria. Students who take remedial every semester almost reach a relatively high number of the total number of students. To reduce the number of students who take remedial, a method that can reduce this is needed, with the Support Vector Machine (SVM) and Decision Tree (DT) methods. SVM and DT are one of the supervised learning classification methods. Therefore, in this study using SVM and DT. SVM can eliminate barriers to data, predict, classify with small sampling and can improve accuracy and reduce errors. Data classification of students who do remedial/improvements by improving the kernel model for visualization including bars, histograms, and distributions as well as the Decision Tree has its own advantages. From the results of this study it has been obtained that the accuracy and precision of DT models is greater than that of SVM, but for recall DT is smaller than SVM.
ANALISIS PENGARUH THRESHOLD PADA METODE CANNY DAN SOBEL DALAM DETEKSI TEPI CITRA CABAI Sri Rahayu; Ridwansyah; Jajang Jaya Purnama
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.162

Abstract

Abstract The utilization of digital image processing technology in agriculture has developed rapidly, particularly for identifying and classifying horticultural commodities such as chili peppers. Chili peppers possess diverse visual characteristics, including color changes based on ripeness levels and irregular shapes. Misidentification can lead to losses during harvest, making accurate automatic detection essential. One of the key approaches in image processing is edge detection, which functions to extract object contours from the image background. However, the results of this process are highly influenced by the threshold parameters used. Inappropriate thresholds can result in the loss of important details or the appearance of disruptive noise, thereby reducing detection accuracy. Therefore, this study was conducted to analyze the effect of threshold parameter variations on the performance of two commonly used edge detection methods: Canny and Sobel. The edge detection process was carried out by applying the Canny and Sobel methods using the Kaggle Notebook platform. Canny edge detection involves Gaussian blur to reduce noise, calculation of intensity gradients, and the use of two threshold values. Meanwhile, Sobel calculates gradients along the X and Y axes to highlight pixel intensity changes. The data used in this study consists of 11 images of various types of chili peppers, captured using a smartphone camera, then resized and converted to grayscale to simplify color information. The results from both methods were analyzed visually and quantitatively using metrics such as the number of edge pixels, PSNR (Peak Signal-to-Noise Ratio), and SSIM (Structural Similarity Index). The results of the study show that the Canny method is capable of producing clearer edges with less noise compared to Sobel, especially in images with low lighting. However, the Sobel method excels in processing speed and implementation simplicity. These findings highlight the importance of selecting the appropriate threshold values to enhance edge detection accuracy and efficiency. Consequently, the results of this study can serve as a reference in the development of more accurate and reliable automated systems for chili pepper identification and classification based on digital image processing. Keyword: Canny, Chili, Edge Detection Image Processing, Sobel. Abstrak Pemanfaatan teknologi pengolahan citra digital dalam bidang pertanian telah berkembang pesat, khususnya untuk mengidentifikasi dan mengklasifikasi komoditas hortikultura seperti cabai. Cabai memiliki ciri visual yang beragam, seperti warna yang berubah sesuai tingkat kematangan dan bentuk yang tidak seragam, jika salah mengidentifikasi maka akan menyebabkan kerugian pada saat panen sehingga deteksi otomatisnya membutuhkan metode yang tepat. Salah satu pendekatan yang penting dalam pengolahan citra adalah deteksi tepi (edge detection), yang berfungsi untuk mengekstraksi kontur objek dari latar belakang gambarnya. Namun, hasil dari proses deteksi ini sangat dipengaruhi oleh parameter threshold yang digunakan. Threshold yang tidak sesuai dapat menyebabkan hilangnya detail penting atau munculnya noise yang mengganggu, sehingga menurunkan akurasi deteksi. Oleh karena itu, penelitian ini dilakukan untuk menganalisis pengaruh variasi parameter threshold terhadap performa dua metode deteksi tepi yang umum digunakan, yaitu Canny dan Sobel. Proses deteksi tepi dilaksanakan dengan menerapkan metode Canny dan Sobel dalam platform Kaggle Notebook. Canny edge detection melibatkan proses Gaussian blur untuk mengurangi noise, perhitungan gradien intensitas, dan penggunaan dua nilai threshold. Sedangkan Sobel melakukan perhitungan gradien pada sumbu X dan Y untuk menyoroti perubahan intensitas piksel. Data yang digunakan dalam penelitian ini berasal dari 11 gambar cabai berbagai jenis yang diambil menggunakan kamera ponsel, kemudian melalui proses resizing dan konversi ke grayscale guna menyederhanakan informasi warna. Hasil dari kedua metode dianalisis baik secara visual maupun kuantitatif menggunakan metrik seperti jumlah piksel tepi, PSNR (Peak Signal-to-Noise Ratio), dan SSIM (Structural Similarity Index). Hasil penelitian menunjukkan bahwa metode Canny mampu menghasilkan tepi yang lebih jelas dan minim noise dibandingkan Sobel, terutama pada gambar dengan pencahayaan rendah. Namun, metode Sobel memiliki keunggulan dalam kecepatan pemrosesan dan kesederhanaan implementasi. Temuan ini menegaskan pentingnya pemilihan nilai threshold yang tepat dalam meningkatkan akurasi dan efisiensi deteksi tepi. Dengan demikian, hasil penelitian ini dapat dijadikan acuan dalam pengembangan sistem otomatisasi identifikasi dan klasifikasi cabai berbasis pengolahan citra digital yang lebih akurat dan andal. Kata Kunci: pengolahan citra deteksi tepi, Canny, Sobel, Cabai.
Pelatihan Microsoft Word dan Excel sebagai Upaya Penguatan Kompetensi Digital Masyarakat RT 007 Mampang Prapatan Ahmad Hafidzul Kahfi; Jajang Jaya Purnama; Hafis Nurdin; Sri Rahayu
Journal of Innovation and Sustainable Empowerment Vol. 4 No. 3 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Kuningan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/jise.v4i3.172

Abstract

Perkembangan teknologi digital menuntut setiap individu memiliki keterampilan dasar dalam memanfaatkan perangkat lunak perkantoran, terutama Microsoft Word dan Excel yang berperan penting dalam penyusunan dokumen serta pengolahan data. Namun, masyarakat RT 007 Mampang Prapatan masih mengalami keterbatasan dalam keterampilan digital sehingga proses administrasi dan pelaporan belum optimal. Untuk menjawab permasalahan tersebut, tim dosen Universitas Bina Sarana Informatika melaksanakan program pengabdian kepada masyarakat melalui pelatihan Microsoft Word dan Excel bagi warga RT 007. Kegiatan dilakukan dengan pendekatan partisipatif melalui penyampaian materi, demonstrasi, dan praktik langsung. Hasil pelatihan menunjukkan peningkatan signifikan pada kemampuan peserta, yang ditunjukkan dengan rata-rata penilaian sebesar 4,57 dengan kategori Sangat Puas. Peserta mampu mengelola dokumen dan data secara lebih efektif, serta menunjukkan peningkatan kepercayaan diri dalam penggunaan teknologi digital. Program ini berdampak positif terhadap efektivitas kerja, profesionalisme warga, dan kesiapan masyarakat dalam menghadapi tantangan era transformasi digital.
Digital Image-Based Chili Quality Detection Using a Web-Based Convolutional Neural Network Jajang Jaya Purnama; Sri Rahayu; Ridwansyah Ridwansyah; Verry Riyanto
Jurnal Teknologi Informasi dan Terapan Vol 12 No 2 (2025): December
Publisher : Jurusan Teknologi Informasi Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/jtit.v12i2.453

Abstract

ABSTRACT Chili is one of the main horticultural commodities in Indonesia, with high economic value and stable market demand. Accurate determination of chili quality levels is an important factor in maintaining quality, selling price, and distribution efficiency. Until now, the process of assessing chili quality has generally been carried out manually through direct visual inspection by experts or field officers. This traditional approach has limitations, such as varying levels of accuracy due to assessor subjectivity and the limited availability of experts. Advancements in digital image processing technology, particularly deep learning, offer opportunities to develop more accurate and consistent automated detection systems. This study proposes a Convolutional Neural Network (CNN) model to classify chili quality levels based on digital images, which is then integrated into a web-based application. This study uses a dataset of 405 chili images from 11 varietal categories, each labeled with quality (good, pest-infested, or unknown), which undergoes preprocessing stages including resizing, normalization, and data augmentation. The CNN model was designed with convolutional layers, max-pooling, dense layers, and a Softmax activation function, and was trained using the Adam optimizer and Categorical Cross-Entropy Loss. The web application implementation was carried out using the Flask framework, allowing users to upload images and obtain prediction results in real time. The testing results showed that the developed CNN model achieved an accuracy of 1.000 on the test data, with reliable detection performance under variations in lighting and image backgrounds. This research contributes to the development of smart agriculture technology by providing an accurate, fast, and easily accessible solution for chili quality detection
Co-Authors Abdul Hamid Abdul Hamid Abdul Hamid Abdul Hamid Abdul Hamid Abdul Hamid Achmad Baroqah Pohan Achmad Rifai Ade Suryadi Afandi, Fifin Agung Baitul Hikmah Ahmad Hafidzul Kahfi Ami Rahmawati Anna Mukhayaroh, Anna Dede Wintana Ela Siti Laela Erni Ermawati Fitria Septia Nugraha Ganda Wijaya Ganda Wijaya, Ganda Hafis Nurdin Hendri Mahmud Nawawi Herliawan, Irwan Hermanto Hermanto Hermanto Hikmatulloh Hikmatulloh Imanuel Balla Irwan Herliawan Irwan Herliawan Marliana Rahmawati Nurhanifah Mayangky, Nissa Almira Muhamad Hasan Muhammad Iqbal Muhammad Ja’far Shidiq Nawawi, Hendri Mahmud Nina Kurnia Hikmawati Nina Kurnia Hikmawati Nugraha, Fitra Septia Nurul Ichsan Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Risnandar, Risnandar Siti Nurdiani Sri Hadianti Sri Rahayu Sri Rahayu SRI RAHAYU Sri Rahayu Sri Rahayu Sri Rahayu Sri Rahayu Suhardjono S Susy Rosyida Tri Wahyuni Tuti Haryanti Verry Riyanto Verry Riyanto Windu Gata Windu Gata Windu Gata Yudhistira Yudhistira