Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Infotek : Jurnal Informatika dan Teknologi JUTECH : Journal Education and Technology
Puji Wahyuningsih
Universitas Muhadi Setiabudi
Computer Science & IT Control & Systems Engineering Education Engineering Languange, Linguistic, Communication & Media Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PREDIKSI PENJUALAN SEPEDA MOTOR TERLARIS DI ASTRA HONDA BREBES MENGGUNAKANALGORITMA NAIVE BAYES Luthfi Ardyansyah; Nur Ariesanto Ramdhan; Puji wahyuningsih
Elkom: Jurnal Elektronika dan Komputer Vol. 19 No. 1 (2026): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v19i1.3756

Abstract

Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam memprediksi tingkat penjualan sepeda motor di Astra Honda Brebes menggunakan data historis penjualan periode 2020–2025. Dataset penelitian terdiri dari 200 data penjualan yang memiliki atribut model motor, tahun kendaraan, harga, jenis transmisi, jenis kendaraan, kapasitas mesin, dan status penjualan. Proses penelitian meliputi preprocessing data, pembagian data training dan testing, proses klasifikasi menggunakan kernel RBF, serta evaluasi model menggunakan confusion matrix, accuracy, precision, recall, F1-score, AUC, dan cross validation. Hasil penelitian menunjukkan bahwa metode SVM mampu melakukan klasifikasi tingkat penjualan kendaraan dengan performa yang baik. Nilai accuracy yang diperoleh sebesar 89.50%, precision 87.20%, recall 85.40%, F1-score 86.29%, AUC sebesar 0.91, serta cross validation accuracy sebesar 91.20%. Hasil tersebut menunjukkan bahwa metode SVM memiliki kemampuan yang baik dalam membedakan kategori kendaraan laris dan kurang laris. Penelitian ini diharapkan dapat membantu pihak dealer dalam menentukan strategi pemasaran, pengelolaan stok kendaraan, dan pengambilan keputusan secara lebih efektif, objektif, dan berbasis data.
Optimasi Mobilenetv2 Dengan Transfer Learning Untuk Klasifikasi Penyakit Daun Cabai Rizkon Jajila; Nur Ariesanto Ramdhan; Puji Wahyuningsih; Bambang Irawan
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 1 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i1.33812

Abstract

This research effort seeks to establish a robust classification model for chili leaf diseases through optimization of the MobileNetV2 architecture using transfer learning methodology. The presence of diseases in chili plants is often a major barrier to agricultural productivity, necessitating the development of a rapid and accurate early detection system. The dataset used for this investigation includes six different leaf condition categories, specifically: Bacterial Spot, Cercospora Leaf Spot, Leaf Curl Virus, Healthy Leaf, Nutrient Deficiency, and White Spot. The investigation process begins with an image pre-processing phase and the application of data augmentation techniques, which aim to increase the variability of the training data while simultaneously reducing the risk of overfitting. Next, the model is trained using pre-trained weights from ImageNet, which are adjusted to align with the inherent visual characteristics of chili leaves. Model evaluation is conducted rigorously based on accuracy, precision, recall, and F1-score metrics. The experimental results demonstrate outstanding performance, with the model achieving an accuracy rate of 99%, an average F1-score of 0.99, and a validation loss of 0.07. These figures demonstrate the model's highly competent generalization ability when applied to new data. Analysis facilitated by a confusion matrix found a very low error rate, with only 11 images (0.73%) misclassified out of a total of 1,500 test images. These results support the assertion that MobileNetV2 optimization is highly efficient and accurate in identifying chili leaf diseases. This model has significant potential for integration into mobile devices or digital image-based smart farming systems, thereby assisting farmers in making informed decisions in real time.
IMPLEMENTASI METODE AHP PADA SISTEM PENDUKUNG KEPUTUSAN GURU BERPRESTASI DI SMK Selvi Awaliyah; Nur Ariesanto Ramdhan; Puji Wahyuningsih
JUTECH : Journal Education and Technology Vol 6, No 2 (2025): JUTECH DESEMBER
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v6i2.5201

Abstract

Penilaian guru berprestasi di lingkungan sekolah merupakan proses yang penting namun sering kali menghadapi tantangan subjektivitas dan ketidakteraturan dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) guna membantu proses pemilihan guru berprestasi secara objektif dan terstruktur di SMK Ma’arif NU 01 Ketanggungan. Teknik pengumpulan data pada penelitian ini dengan memberikan kuisioner kepada siswa agar penilaian lebih objektif.  Metode AHP digunakan untuk membobotkan kriteria penilaian yang meliputi kompetensi pedagogik, profesional, kepribadian, dan sosial. Sistem Pendukung Keputusan yang dihasilkan dalam penelitian ini dapat menampilkan peringkat guru yang sesuai dengan penilaian yang dilakukan dengan menggunakan metode Analytical Hierarchy Process (AHP). Dengan adanya sistem ini, proses pemilihan guru berprestasi menjadi lebih transparan, efisien, dan dapat dipertanggungjawabkan.
Co-Authors Bambang Irawan Luthfi Ardyansyah Nur Ariesanto Ramdhan Rizkon Jajila Selvi Awaliyah