Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Bulletin of Computer Science Research Journal of Artificial Intelligence and Digital Business
Syuhada, Arya Firgi
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Deteksi Tingkat Stres Mahasiswa Dengan Logika Fuzzy Tsukamoto Aryanto, Fajar Hanggoro Dwi; Syuhada, Arya Firgi; Putra, Fajar Permana; Mahardika, Setiawan Putra; Jayanegara, Adi Prabu; Sanjaya, Fadil Indra
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1042

Abstract

Stres pada mahasiswa merupakan permasalahan serius yang dapat berdampak negatif terhadap kesehatan mental dan performa akademik apabila tidak ditangani dengan baik. Dampak tersebut tidak hanya terbatas pada penurunan prestasi akademik, tetapi juga dapat mengarah pada gangguan psikologis jangka panjang yang menghambat proses pembelajaran dan perkembangan pribadi mahasiswa. Penelitian ini bertujuan untuk mengembangkan sistem deteksi tingkat stres mahasiswa menggunakan metode logika fuzzy Tsukamoto. Sistem ini dirancang untuk mengelola data subjektif dan tidak pasti berdasarkan lima parameter utama, yaitu kualitas tidur, performa akademik, hubungan mahasiswa-dosen, dukungan sosial, dan kondisi lingkungan. Proses inferensi dilakukan melalui pembentukan himpunan fuzzy dan 48 aturan IF-THEN yang disusun berdasarkan kombinasi kelima parameter tersebut. Penelitian ini melibatkan penyebaran kuesioner kepada mahasiswa Program Studi Informatika Universitas Teknologi Yogyakarta untuk memperoleh data yang kemudian diproses dalam sistem fuzzy. Hasil akhir dari sistem ini berupa nilai crisp yang menunjukkan tingkat stres mahasiswa, yang dikategorikan dalam level normal hingga tinggi. Diharapkan sistem ini dapat menjadi alat bantu bagi institusi pendidikan dalam mendeteksi dan menangani gejala stres mahasiswa secara cepat dan tepat.
Integrasi Model Algoritma Genetika dan Constraint Satisfaction Problem pada Optimasi Penjadwalan Shift Karyawan UMKM Kuliner Syuhada, Arya Firgi; Mardhiyyah, Rodhiyah; Sanjaya, Fadil Indra
Bulletin of Computer Science Research Vol. 6 No. 1 (2025): December 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i1.842

Abstract

Employee shift scheduling in the Micro, Small, and Medium Enterprises (MSMEs) sector is a complex problem because it must consider various aspects such as workforce availability, work hour restrictions, and individual preferences. At the Nasi Balap Cucun MSME which operates in the culinary field, the challenge is even greater because most of its employees are active students with diverse class schedules. The scheduling process is still done manually often takes a long time and results in an unbalanced division of labor. To overcome this, this study developed an automatic scheduling system based on Genetic Algorithms combined with Constraint Satisfaction Problems (CSP). The system was built using the Python programming language with the DEAP library, considering shift needs, employee schedule requests, and operational constraints. The implementation results show that the system is able to generate efficient weekly schedules with an increase in time efficiency of up to 80%. After testing the system, it was found that the scheduling results would appear less than 10 seconds after the user generated the schedule. In addition, the system showed an increase in fitness value from -1000 in the initial generation to 54 in the 50th generation, which means this system is able to reduce potential conflicts in scheduling. This approach can be an effective solution for MSMEs in optimizing human resource management intelligently.
Co-Authors Aryanto, Fajar Hanggoro Dwi Fadil Indra Sanjaya Fajar Permana Putra Jayanegara, Adi Prabu Mahardika, Setiawan Putra Rodhiyah Mardhiyyah