Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Produksi Tanaman Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) NU-JST
Firmansyah, Fendy Bayu
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Materials Science & Nanotechnology

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

Found 3 Documents
Search

 1 
Perancangan Data Warehouse Sebagai Penunjang Strategi Penerimaan Mahasiswa Baru Thoib, Imam; Candra, Beda Puspita; Firmansyah, Fendy Bayu; Nugraha, Danang Satya; Sururi, Nafis
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.346

Abstract

Penerimaan Mahasiswa Baru (PMB) merupakan proses strategis yang mempengaruhi pertumbuhan dan pengembangan institusi pendidikan tinggi. Penelitian ini bertujuan untuk merancang data warehouse sebagai solusi integrasi dan analisis data PMB. Skema data warehouse dirancang dengan pendekatan star schema yang mencakup fakta pendaftaran dan beberapa dimensi pendukung seperti jalur pendaftaran, program studi, wilayah, dan waktu. Proses ETL dibangun menggunakan Pentaho Data Integration untuk mengintegrasikan data dari sistem operasional ke dalam data warehouse. Hasil visualisasi melalui Metabase menunjukkan bahwa rancangan ini mampu menyajikan informasi strategis seperti tren pendaftaran, efektivitas jalur masuk, serta sebaran wilayah asal pendaftar. Dengan demikian, data warehouse yang dibangun dapat menjadi alat bantu yang efektif dalam mendukung pengambilan keputusan dan pengembangan strategi PMB yang lebih terarah.
Exploratory Data Analysis dan Machine Learning dalam Memprediksi Employee Attrition: Exploratory Data Analysis and Machine Learning in Predicting Employee Attrition Kholifah, Binti; Firmansyah, Fendy Bayu; Sururi, Nafis; Nugraha, Danang Satya
Nusantara Journal of Science and Technology Vol 1 No 2 (2024): Published in November of 2024
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) Universitas Nahdlatul Ulama Kalimantan Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Employee attrition is one of the main challenges faced by organizations in retaining competent human resources. This study aims to explore data patterns and predict employee attrition using the Exploratory Data Analysis (EDA) approach and Machine Learning algorithms such as Logistic Regression, Support Vector Machine (SVM), and Naive Bayes. The analysis was conducted on a dataset that includes various factors such as demographics, job satisfaction, and employee performance. The research findings indicate that Logistic Regression achieved an accuracy of 87%, but the model has weaknesses in detecting the positive class (attrition), as reflected by its low recall score. SVM, with an accuracy of 85%, provided high precision for the positive class but performed poorly in detecting actual attrition cases. Conversely, Naive Bayes, with an accuracy of 85%, demonstrated more balanced performance with a higher weighted average F1-score compared to the other models, although there is still room for improvement, particularly in predicting the positive class. Based on the results, Naive Bayes stands out as a more reliable model for predicting employee attrition with more balanced performance compared to Logistic Regression and SVM. To enhance prediction performance, it is recommended to address the class imbalance in the dataset through techniques such as oversampling, undersampling, class weighting, or specialized algorithms.
Evaluasi Keragaman Kacang Bogor (Vigna subterranea (L.) Verdcourt) Hasil Induksi Mutasi Kolkisin Firmansyah, Fendy Bayu; Saptadi, Darmawan; Ardiarini, Noer Rahmi
Produksi Tanaman Vol. 7 No. 1 (2019)
Publisher : Jurusan Budidaya Pertanian Fakultas Pertanian Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kacang bogor merupakan salah satu komoditi pertanian yang dapat digunakan sebagai sumber pangan alternatif di Indonesia. Salah satu upaya untuk meningkatkan keragaman pada tanaman kacang bogor ialah dengan mutasi menggunakan kolkisin. Tujuan penelitian ini ialah untuk mempelajari keragaman dan penampilan karakter kacang bogor hasil induksi kolkisin generasi CT-0. Penelitian ini dilaksanakan di lahan percobaan Fakultas Pertanian, Universitas Brawijaya di Kelurahan Jatimulyo, Kecamatan Lowokwaru, Kota Malang dan dilaksanakan pada bulan Maret sampai Juni 2017. Bahan yang digunakan dalam penelitian ini antara lain kolkisin, media tanah, air, pupuk urea, SP36, KCl, pupuk kandang, pestisida dan benih kacang bogor galur GSG-2.1.1. Penelitian ini menggunakan metode perlakuan pada tanaman tunggal yang disusun dalam satu barisan. Konsentrasi kolkisin yang digunakan 0 ppm (kontrol), 100 ppm (P1), 300 ppm (P2) dan 500 ppm (P3). Waktu perendaman benih yang digunakan 3 jam (W1), 6 jam (W2) dan 9 jam (W3). Hasil penelitian menunjukkan bahwa perlakuan kolisin menyebabkan keragaman yang luas pada karakter jumlah biji per tanaman dan panjang polong per tanaman. serta, karakter yang memiliki rata-rata lebih tinggi akibat pemberian kolkisin dibandingkan dengan kontrol ialah panjang biji per tanaman, lebar biji pertanaman, panjang polong per tanaman, lebar polong per tanaman, jumlah biji per tanaman, dan jumlah polong per tanaman.
Co-Authors Candra, Beda Puspita Darmawan Saptadi, Darmawan Kholifah, Binti Noer Rahmi Ardiarini, Noer Rahmi Nugraha, Danang Satya Sururi, Nafis Thoib, Imam