Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan InComTech: Jurnal Telekomunikasi dan Komputer
Kurniawan, Hanif Fajar
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI METODE AGILE UNTUK RANCANG BANGUN SISTEM PENILAIAN KINERJA GURU Hidayat, Taufik; Kurniawan, Hanif Fajar; Sukisno, Sukisno; Arlianti, Lily
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5171

Abstract

SDS Arya Jaya Sentika Tigaraksa merupakan salah satu sekolah dasar swasta yang berada di kecamatan Tigaraksa. Saat penilaian kinerja guru masih dilakukan dengan cara mengisi lembar form dan mengumpulkan dokumen pendukung, yang menyebabkan menumpuknya dokumen pendukung dan sering terjadi dokumen yang hilang, sulit untuk di cari jika diperlukan, maka dari permasalahan diatas dibutuhkan sistem informasi penilaian kinerja guru. Untuk membangun sistem ini menggunakan metode pengembangan agile model, dengan perancangan UML yaitu use case diagram, dan activity diagram. Hasil dari penelitian ini adalah sistem informasi penilaian kinerja guru berbasis web, yang dapat membantu pihak sekolah dalam penilaian kinerja setiap guru yang dapat lebih efektif dan efisien dalam menilai dan menyimpan dokumen pendukung serta pembuatan laporan yang menjadi lebih cepat. Penilaian dalam sistem ini menggunakan Key Performance Indikator (KPI) supaya dapat membantu pihak sekolah dalam mencapai suatu tujuan yang diinginkan dari penilaian kinerja guru. Kesimpulan dari penelitian ini adalah pembangunan dari sistem informasi penilaian kinerja guru ini dapat membantu dan memudahkan pihak sekolah dalam melakukan penilaian kinerja guru dan penyimpanan dokumen pendukung, serta sistem ini juga telah dilakukan pengujian sebelumnya dan mendapatkan nilai rata-rata yaitu 81 maka nilai ini tergolong masuk kategori “Bagus” dengan penilaian “B”.
Machine Learning Untuk Klasifikasi Gizi Balita Menggunakan Algoritma Random Forest Hidayat, Taufik; Kurniawan, Hanif Fajar; Nugrogo, Asep Hardiyanto; Sukisno, Sukisno; Rizky, Robby
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 2 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i2.30517

Abstract

Kesehatan balita merupakan isu kritis dalam pembangunan suatu negara. Penilaian status gizi balita adalah langkah awal untuk mengidentifikasi risiko malnutrisi dan memberikan intervensi yang tepat. Dalam penelitian ini, kami mengusulkan sebuah pendekatan inovatif menggunakan teknik Machine Learning, khususnya algoritma Random Forest, untuk klasifikasi status gizi balita berdasarkan karakteristik demografis dan pola makan. Dataset yang digunakan terdiri dari informasi demografis seperti usia, jenis kelamin, berat badan, tinggi badan, dan data gizi pada setiap balita. Algoritma Random Forest dipilih karena kemampuannya dalam mengatasi overfitting, mengelola data yang tidak seimbang, dan memberikan hasil klasifikasi yang akurat. Berdasarkan penelitian yang telah dilakukan dapat ditarik kesimpulan Tingkat akurasi yang dihasilkan dari algoritma random forest sebesar 83% dari 168 sampel menunjukkan bahwa model klasifikasi yang digunakan memberikan prediksi yang sempurna atau benar untuk seluruh data uji yang digunakan.
Co-Authors Arlianti, Lily Jayawarsa, A.A. Ketut Nugrogo, Asep Hardiyanto Rizky, Robby Sukisno Sukisno, Sukisno Taufik Hidayat