Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Ilmiah Sains dan Teknologi
Sibuea, Febry P.J.
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Library & Information Science Physics

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

Found 2 Documents
Search

 1 
Sistem Informasi Absensi Menggunakan Kamera GPS Berbasis Android di Auto2000 Hadianastuti, Fifi Lailasari; Permana, Denny Riandhita Arief; Sibuea, Febry P.J.; Yuna, Salsabila Muharona
Jurnal Ilmiah Sains dan Teknologi Vol 9 No 1 (2025): Jurnal Ilmiah Sains dan Teknologi
Publisher : Teknik Informatika Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/saintek.v9i1.3858

Abstract

Auto2000 BP Sunter is one of the companies in the automotive sector. Its attendance system still uses cards to record the daily presence of its workers. Based on these, an information system for managing the presence of workers is developed. This information system uses using android-based GPS Camera, that records the presence of workers, easily finding historical data to be assessed, evaluated, or analyzed. The developing system method used in this writing is the Waterfall method, with Javascript as the tool for programming with react-native framework, and Firebase as the tool for managing the database. In modeling the system, a diversity of diagrams in UML is used. ERD is also used for designing the database. With this Android-based GPS camera for presence information system, Auto2000 BP Sunter has been made easy to manage their data of employee attendance.
Integrasi Algoritma Support Vector Machine dengan Java untuk Memprediksi Kualitas Komponen Otomotif dalam Industri 4.0 Utami, Mailia Putri; Suroso, Finna; Lailasari H. , Fifi; Sibuea, Febry P.J.; Chandra, Kevin
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12719

Abstract

Industri 4.0 menandai transformasi besar dalam sektor manufaktur, termasuk industri otomotif, dengan integrasi teknologi cerdas seperti machine learning untuk meningkatkan efisiensi dan kualitas produksi. Penelitian ini mengkaji penerapan algoritma Support Vector Machine (SVM) yang diintegrasikan dengan bahasa pemrograman Java untuk memprediksi kualitas komponen otomotif secara akurat. SVM dikenal efektif dalam klasifikasi data yang kompleks dan sangat cocok untuk lingkungan produksi yang memerlukan ketepatan tinggi. Proses penelitian mencakup pengumpulan dan pra-pemrosesan data kualitas komponen, pelatihan model SVM, serta implementasi model dalam platform Java guna memungkinkan integrasi dengan sistem otomasi industri yang telah ada. Hasil pengujian menunjukkan bahwa model SVM yang dibangun mampu mengklasifikasikan kualitas komponen dengan akurasi yang tinggi, memberikan potensi signifikan dalam pengurangan produk cacat dan peningkatan efisiensi produksi. Integrasi dengan Java memungkinkan sistem prediksi ini mudah diimplementasikan dalam infrastruktur perangkat lunak industri yang berbasis Java. Penelitian ini menunjukkan bahwa kombinasi machine learning dan pemrograman terapan dapat menjadi solusi strategis dalam mendukung transformasi digital industri otomotif di era Industri 4.0.   Kata kunci - Support Vector Machine (SVM), Java, Prediksi Kualitas, Komponen Otomotif, Industri 4.0
Co-Authors Denny Riandhita Arief Permana Hadianastuti, Fifi Lailasari Kevin Chandra Lailasari H. , Fifi Suroso, Finna Utami, Mailia Putri Yuna, Salsabila Muharona