Article Per Year (5 Year)
p-Index From 2021 - 2026
2.986
P-Index
This Author published in this journals
All Journal Technomedia Journal IKRA-ITH ABDIMAS International Journal for Applied Information Management Proceeding National Conference Business, Management, and Accounting (NCBMA) GIAT: Teknologi untuk Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Mitra Teknik Industri Journal of Digital Market and Digital Currency Journal of Current Research in Blockchain International Journal Research on Metaverse
Hery
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Pengembangan Sistem Dashboard Analitik untuk Optimalisasi Monitoring dan Evaluasi RenStra dan RenOp di Institusi Pendidikan Tinggi Hery; Jefrin Laia; Calandra Alencia Haryani; Andree E. Widjaja; Eric Jobiliong
IKRA-ITH ABDIMAS Vol. 10 No. 1 (2026): IKRAITH-ABDIMAS Vol 10 No 1 Maret 2026
Publisher : Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikra-ithabdimas.v10i1.5643

Abstract

Penjaminan mutu di institusi pendidikan tinggi merupakan aspek penting dalam menjaga kualitas pendidikan,terutama dalam pelaksanaan Rencana Strategis (RenStra) dan Rencana Operasional (RenOp). Pelaksanaan yangdilakukan secara manual pada proses pelaporan sering menimbulkan kendala seperti duplikasi pekerjaan, risikokesalahan input, serta keterlambatan pengolahan data. Untuk mengatasi hal tersebut, kegiatan pengembangansistem ini merancang sistem dashboard analitik untuk optimalisasi monitoring dan evaluasi RenStra dan RenOpdi institusi pendidikan tinggi. Metode yang digunakan adalah kualitatif deskriptif dengan pengumpulan datamelalui observasi, wawancara, serta studi literatur terkait standar penjaminan mutu. Proses pengembangansistem dilakukan menggunakan pendekatan Agile Development dengan tahapan perencanaan, perancangan,pengembangan, pengujian, tinjauan, dan peluncuran. Hasil pengembangan menunjukkan bahwa sistem mampumenyediakan platform berbasis web dengan fitur utama berupa modul input data, manajemen pengguna, laporanevaluasi otomatis, serta dashboard analitik interaktif berbasis Business Data Analytics. Secara teknis, sistemdibangun dengan backend PHP dengan framework Laravel, frontend HTML, CSS, JavaScript, serta AJAX, dandata dikelola menggunakan SQL. Penerapan sistem ini terbukti meningkatkan efisiensi, akurasi, serta kualitasmonitoring dan evaluasi. Digitalisasi proses RenStra dan RenOp tidak hanya mempercepat analisis, tetapi jugamendukung pengambilan keputusan strategis berbasis data. Dengan demikian, sistem dashboard analitik inidiharapkan mampu memperkuat praktik penjaminan mutu internal, menjadikannya lebih optimal, terukur, danberkelanjutan.Kata kunci: Penjaminan Mutu, RenStra, RenOp, Dashboard Analitik, Pendidikan Tinggi
Pengembangan, Penyerahan, dan Pelatihan Sistem Informasi untuk Toko Sinar Terang di Kota Tangerang Selatan Widjaja, Andree Emmanuel; Gennady, Erick; Hery; Haryani, Calandra A.; Prasetya, Kusno; Aribowo, Arnold
GIAT : Jurnal Teknologi untuk Masyarakat Vol. 3 No. 1 (2024): Mei 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/giat.v3i1.9139

Abstract

Perkembangan teknologi informasi memberikan dampak positif  bagi Usaha Kecil Mikro dan Menengah (UMKM). Toko Sinar Terang adalah UMKM yang berlokasi di Kota Tangerang Selatan yang menjual perabot rumah tangga. Pada sistem saat ini, ditemukan beberapa kendala di antaranya, kesalahan pencatatan keuangan, transaksi jual beli, persediaan produk, dan inkonsistensi data antar kedua cabang Toko. Guna mengatasi permasalahan tersebut, sebuah sistem informasi toko diperlukan. Selain itu, program loyalitas pelanggan juga dibutuhkan untuk menjaga dan meningkatkan relasi yang  baik  dengan pelanggan. Melalui kegiatan Pengabdian kepada Masyarakat (PkM) ini, sistem informasi untuk Toko Sinar Terang dikembangkan dengan metodologi RAD melalui metode prototyping. Pemodelan yang digunakan adalah UML yang mencakup class diagram, use case, dan activity diagram. Pengembangan sistem informasi menggunakan bahasa pemrograman PHP dengan framework CodeIgniter 4 dan PostgreSQL sebagai DBMS-nya. Hasil dari kegiatan PkM ini berupa sistem informasi untuk Toko Sinar Terang yang fungsional dan memiliki beragam fitur, seperti: persediaan, penjualan, keuangan, dan program loyalitas pelanggan yang dapat menampilkan informasi statistik untuk memberikan laporan persediaan yang terintegrasi. Sebelum sistem informasi diuji coba dan diserahkan, pelatihan penggunaan sistem informasi juga telah dilakukan kepada karyawan dan pemilik Toko.
Analysis of Apriori and FP-Growth Algorithms for Market Basket Insights: A Case Study of The Bread Basket Bakery Sales Hery; Widjaja, Andree E.
Journal of Digital Market and Digital Currency Vol. 1 No. 1 (2024): Regular Issue June 2024
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jdmdc.v1i1.2

Abstract

Market basket analysis is a crucial technique in retail for uncovering associations between items frequently purchased together. This study aims to compare the effectiveness of the Apriori and FP-Growth algorithms using sales data from "The Bread Basket" bakery, comprising 20,507 transactions. Key variables include TransactionNo, Items, DateTime, Daypart, and DayType. The data underwent preprocessing steps, including cleaning, tokenization, and feature extraction using TF-IDF. The Apriori and FP-Growth algorithms were implemented with hyperparameter tuning and an 80/20 training/testing split. Performance metrics were evaluated, revealing that Apriori had an execution time of 4.08 seconds and memory usage of 45.36 MiB, whereas FP-Growth exhibited an execution time of 4.15 seconds and significantly lower memory usage at 0.08 MiB. The quality of the association rules was assessed by metrics such as support, confidence, and lift. For example, the Apriori algorithm generated the rule {Alfajores} -> {Coffee} with support 0.018885, confidence 0.520000, and lift 1.087090, while FP-Growth produced the rule {Scone} -> {Coffee} with support 0.017829, confidence 0.519231, and lift 1.085482. FP-Growth generally outperformed Apriori, particularly in memory efficiency, due to its use of the FP-tree data structure, which reduces the need for multiple database scans. The practical implications for "The Bread Basket" bakery include optimizing product placement and inventory management based on the identified associations, such as placing Coffee near Cake or Medialuna to encourage complementary purchases. The study concludes that while both algorithms effectively generate meaningful association rules, FP-Growth's superior memory efficiency makes it more suitable for large datasets. Limitations include data quality and the study's scope, confined to a single bakery. Future research should explore hybrid approaches, real-time data analysis, and applications across different retail sectors to enhance market basket analysis techniques further.
Predictive Modeling of Blockchain Stability Using Machine Learning to Enhance Network Resilience Hery; Widjaja, Andree E.
Journal of Current Research in Blockchain Vol. 1 No. 2 (2024): Regular Issue September
Publisher : Bright Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jcrb.v1i2.15

Abstract

Blockchain technology is widely recognized for its security, transparency, and decentralization, yet ensuring the stability of blockchain networks as they scale remains a significant challenge. This study introduces a novel approach by integrating machine learning models to evaluate and predict blockchain stability, offering a proactive solution to maintain network reliability. The primary objective was to identify the key factors influencing stability and assess the effectiveness of different machine learning models in predicting instability events. Using a dataset derived from blockchain transaction data and network metrics, we applied Random Forest, Support Vector Machine (SVM), Long Short-Term Memory (LSTM) neural networks, and K-Means Clustering algorithms. The LSTM model demonstrated the highest accuracy (94.3%) and an AUC-ROC of 0.952, significantly outperforming other models in predicting stability events. The Random Forest model revealed that transaction throughput and network latency are the most critical factors, contributing 35.2% and 28.1% to network stability, respectively. Additionally, K-Means Clustering identified three distinct stability patterns, each representing different risk levels, providing actionable insights for network management. The key contribution of this research lies in the integration of machine learning into blockchain management, presenting a novel approach that enhances the predictability and resilience of blockchain systems. The findings suggest that machine learning can be effectively employed to develop early warning systems, enabling timely interventions to prevent network instability. This study not only advances the understanding of blockchain stability but also offers practical solutions for its enhancement, marking a significant step forward in the field. Future work should focus on the real-time implementation of these models and the exploration of more advanced techniques to further improve predictive capabilities.
Pengenalan dan Pelatihan Dasar Algoritma Pemograman Menggunakan Aplikasi Thunkable Bagi Siswa SD St. Theresia Jakarta Andree E. Widjaja; Kusno Prasetya; ‪Alfa Satya Putra; Calandra Alencia Haryani; Hery; Irene Eka Sri Saraswati
GIAT Teknologi untuk Masyarakat Vol. 1 No. 1 (2022): Mei 2022
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/giat.v1i1.5851

Abstract

Pengenalan dasar algoritma pemograman akan jauh lebih baik jika dilakukan sejak dini, misalnya dimulai semenjak sekolah dasar. Namun, bagi kebanyakan orang, algoritma dan pemrograman dianggap sebagai pelajaran yang sulit dan membosankan, sehingga diperlukan suatu metode khusus yang membuat anak-anak menjadi tertarik. Salah satu metode yang dapat digunakan adalah dengan menggunakan aplikasi Thunkable, di mana anak-anak dapat mempelajari dasar algoritma pemrograman secara visual, interaktif, dan kolaboratif. Meskipun pengenalan algoritma pemrograman penting dan sudah ada metode pembelajaran yang sesuai dengan menggunakan Thunkable, tidak banyak sekolah yang paham mengenai hal tersebut. artikel ini bertujuan untuk melaporkan kegiatan pengabdian kepada masyarakat terkait pengenalan dan pelatihan dasar algoritma pemrograman menggunakan Thunkable bagi siswa SD St. Theresia Jakarta. Pelatihan ini dilakukan secara daring melalui Zoom meeting. Setelah mengikuti pelatihan ini, para peserta diharapkan dapat meningkatkan kemampuan berpikir secara kreatif, logis, dan sistematis melalui pelatihan algoritma pemrograman
Pengembangan dan Pelatihan Sistem Informasi Persediaan Bahan Baku di PT Maju Bersama Persada Dayamu (MBPD) Calandra Alencia Haryani; Debora Kathrin Yuwono; Hery; Andree E. Widjaja; Arnold Aribowo; Aditya R. Mitra
GIAT Teknologi untuk Masyarakat Vol. 1 No. 1 (2022): Mei 2022
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/giat.v1i1.5852

Abstract

PT Maju Bersama Persada Dayamu merupakan salah satu perusahaan pada bidang manufaktur. Proses produksi merupakan proses penting dalam bidang manufaktur. Sistem informasi persediaan bahan baku dapat membantu proses produksi berjalan dengan baik. Tujuan dari penelitian dan kegiatan Pengabdian Kepada Masyarakat ini adalah mengembangan sistem informasi persediaan bahan baku untuk membantu menyelesaikan kendala penyediaan bahan baku PT Maju Bersama Persada Dayamu saat ini yang masih bersifat manual dengan menggunakan Microsoft Excel dan kartu bahan baku. Hal ini mengakibatkan data-data tidak terintegrasi pada semua departemen, sehingga informasi ketersediaan dan pengelolaan bahan baku belum sepenuhnya akurat. Sistem ini dikembangkan menggunakan metode prototyping, bahasa pemrograman PHP dan framework CodeIgniter. Pemodelan sistem dibuat menggunakan notasi UML. Selain mengembnagkan sistem, pengujian dan pelatihan penggunaan sistem juga dilakukan untuk memastikan sistem yang dihasilkan sudah sesuai dengan kebutuhan dan membantu efektivitas proses persediaan barang PT Maju Bersama Persada Dayamu.
Pengembangan dan Penelitian Sistem Informasi Manajemen Produksi (Mitra: PT. Maju Bersama Persada Dayamu (MBPD) Tangerang) Hery; Amelia Magdalena Kaheja; Calandra Alencia Haryani; Andree E. Widjaja
GIAT Teknologi untuk Masyarakat Vol. 1 No. 1 (2022): Mei 2022
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/giat.v1i1.5855

Abstract

Sistem informasi manajemen produksi dapat digunakan untuk membantu serta meningkatkan kualitas manajemen produksi pada sebuah perusahaan manufaktur agar semua proses produksi yang dilakukan dapat menjadi lebih optimal. Tujuan dari penelitian dan PkM ini yaitu mengembangkan sistem informasi manajemen produksi untuk PT. Maju Bersama Persada Dayamu (MBPD) Tangerang serta memberikan pelatihan kepada pihak PT. Maju Bersama Persada Dayamu (MBPD). Sebelumnya, manajemen produksi yang dilakukan oleh PT. MBPD masih bersifat manual, misalnya proses produksi dicatat dengan menggunakan kertas, serta tidak adanya sistem yang terintegrasi secara baik pada bagian produksi. Hal ini menyebabkan beberapa masalah, seperti ketidakakuratan pencatatan dan analisis data yang tentunya dapat mengganggu proses kelancaran kegiatan produksi perusahaan. Sistem yang diusulkan ini diharapkan dapat mendukung PT. MBPD dalam meningkatkan kualitas manajemen dan proses produksinya. Selain mengembangkan dan menyerahkan sistem usulan kepada PT. MBPD, kegiatan pelatihan kepada user terkait cara penggunaan sistem yang dibuat. Pelatihan ini ditargetkan kepada karyawan produksi, manajer produksi, maupun direktur PT. MBPD.
Clustering Digital Governance Adoption Patterns in the Metaverse Using K-Means and DBSCAN Algorithms Widjaja, Andree Emmanuel; Hery; Toer, Guevara Ananta
International Journal Research on Metaverse Vol. 3 No. 1 (2026): Regular Issue March 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/ijrm.v3i1.42

Abstract

The rapid advancement of immersive digital environments has accelerated global interest in leveraging metaverse technologies as extensions of public governance systems. This study analyses citizen readiness and perception toward metaverse-based digital governance in The Gambia using two unsupervised machine learning algorithms: K-Means and DBSCAN, applied to a dataset of 115 survey responses. After preprocessing and feature standardization, the K-Means algorithm identified two distinct adoption clusters, consisting of Cluster 0 with 76 respondents and Cluster 1 with 39 respondents. The centroid projections in PCA space revealed a clear behavioural separation, with Cluster 1 exhibiting a substantially higher mean PC1 score (2.5270) compared to Cluster 0 (−1.2968), indicating stronger readiness, optimism, and trust among respondents in the former group. In contrast, DBSCAN produced a single dominant cluster of 107 respondents and identified 8 outliers, suggesting a generally cohesive perception landscape with a small number of respondents expressing atypical attitudes toward metaverse-enabled governance. Collectively, these findings demonstrate that while public sentiment toward metaverse governance is broadly aligned, significant intra-group differences exist, making behavioural segmentation crucial for informing policy strategies. The results underscore the need for tailored approaches that address both enthusiastic adopters and more cautious individuals to support equitable and inclusive metaverse governance adoption.
Co-Authors Adianto Aldoni Alencia Haryani, Calandra Amelia Magdalena Kaheja Andang Arnold Aribowo Christian Marsel Wijaya2 Debora Kathrin Yuwono Eric Jobiliong Feliks Victor Parningotan Samosir Firmansyah Frans Jusuf Daywin Gennady, Erick Hairida Hairida Halidjah Haryani, Calandra Haryani, Calandra A. Haryani, Calandra Alencia Irene Eka Sri Saraswati Jamesdry Jefrin Laia Kresnadi Kusno Prasetya Michelle Angelica Mitra, Aditya R. Prasetya, Kusno Renaldo Luih, Joshua Siti Toer, Guevara Ananta Widjaja, Andree E. Yuda Desela ‪Alfa Satya Putra