Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Bagus Saputra, Andika
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Klasifikasi Biner Nur Sofiyanto, Irfan; Bagus Saputra, Andika; Fauzi Rakhmadianto, Ridlo; Nur Eka Febrianto, Hermawan; Malika Endiwan, Aprillio; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/gpqsm502

Abstract

Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma K-Nearest Neighbor (KNN). Permasalahan yang diangkat adalah ketidakpastian dalam meramalkan kelulusan berdasarkan data historis akademik, khususnya Indeks Prestasi Semester (IPS). Penelitian berfokus pada pembangunan model klasifikasi biner yang dapat mengidentifikasi status kelulusan mahasiswa guna mendukung deteksi dini risiko akademik. Dataset yang digunakan terdiri dari 519 data mahasiswa Program Studi Teknologi Informasi, dengan atribut berupa nilai IPS semester 1 hingga 8, serta label target berupa status kelulusan. Karena terdapat ketidakseimbangan antar kelas, diterapkan Random Over Sampling (ROS) untuk menyeimbangkan distribusi sebelum pelatihan model. Data kemudian dinormalisasi dan dibagi menjadi data latih dan data uji. Algoritma KNN digunakan dengan parameter k = 5, yang mengklasifikasikan label berdasarkan mayoritas tetangga terdekat. Hasil pengujian menunjukkan bahwa model KNN mampu memberikan akurasi prediksi sebesar 90%, menandakan bahwa pendekatan berbasis data mining ini efektif untuk mendukung evaluasi dan pengelolaan akademik di lingkungan pendidikan tinggi.
Sistem Irigasi Otomatis Berbasis IoT Menggunakan Sensor Kelembapan Tanah untuk Budidaya Tomat Bagus Saputra, Andika; Prayoga Yudhi Putra, Latief; Saifullah, Muhammad
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/3ptzfn31

Abstract

Sistem irigasi otomatis berbasis Internet of Things (IoT) telah dirancang dan diimplementasikan untuk mengoptimalkan budidaya Solanum lycopersicum (tomat) dalam pot. Permasalahan utama budidaya manual adalah sulitnya menjaga kelembapan tanah optimal, yang sering menyebabkan pemborosan air atau stres pada tanaman. Dengan memanfaatkan mikrokontroler ESP32 yang terintegrasi dengan sensor kelembapan tanah kapasitif, suhu udara DHT11, dan suhu tanah DS18B20, sistem ini secara otomatis mengaktifkan pompa air ketika kelembapan tanah turun di bawah 60% dan menghentikannya saat nilai target tercapai. Hasil pengujian selama dua minggu menunjukkan sistem berhasil menjaga kelembapan tanah secara konsisten dan meningkatkan efisiensi penggunaan air hingga 30% dibandingkan metode manual. Data suhu udara (28°C–33°C), kelembapan udara (50%–65%), dan suhu tanah (26°C–29°C) ditampilkan secara real-time melalui aplikasi Blynk dan layar LCD I2C, memungkinkan pemantauan dan pengendalian jarak jauh yang responsif. Penelitian ini menyimpulkan bahwa sistem irigasi otomatis berbasis IoT menawarkan solusi efektif dan efisien untuk budidaya tomat, mengoptimalkan pertumbuhan tanaman, dan mengurangi konsumsi air.
Co-Authors Aprilisa Arum Sari Fauzi Rakhmadianto, Ridlo Malika Endiwan, Aprillio Muhammad Saifullah Nur Eka Febrianto, Hermawan Nur Sofiyanto, Irfan Prayoga Yudhi Putra, Latief