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
Nur Eka Febrianto, Hermawan
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.
Prototipe Sistem Keamanan Pintu Otomatis Berbasis ESP32-CAM dengan Integrasi Blynk Nur Sofiyanto, Irfan; Nur Eka Febrianto, Hermawan; Putra Pratama, Akmal
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/cmp9hs64

Abstract

Penelitian ini mengembangkan dan menguji prototipe sistem keamanan pintu otomatis berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32-CAM yang terintegrasi dengan platform Blynk lokal. Sistem ini memanfaatkan sensor inframerah untuk mendeteksi gerakan, ESP32-CAM untuk mengambil gambar secara otomatis, serta solenoid door lock sebagai aktuator pengunci pintu. Selain itu, sistem dilengkapi dengan umpan balik audio menggunakan Arduino Nano dan speaker aktif. Pengembangan dilakukan menggunakan metode waterfall yang mencakup tahapan analisis, desain, implementasi, pengujian, dan evaluasi. Hasil pengujian menunjukkan sistem mampu bekerja secara stabil dengan waktu respons rata-rata 2,3 detik, akurasi deteksi 94,2%, dan tingkat keberhasilan pengiriman gambar mencapai 97,8%. Meskipun kontrol dilakukan secara lokal melalui jaringan Wi-Fi menggunakan Blynk, sistem tetap mampu memberikan keamanan dasar yang efektif dengan konsumsi daya yang efisien dan integrasi komponen yang optimal. Sistem ini cocok untuk digunakan pada lingkungan rumah yang memiliki jaringan Wi-Fi internal.
Co-Authors Aprilisa Arum Sari Bagus Saputra, Andika Fauzi Rakhmadianto, Ridlo Malika Endiwan, Aprillio Nur Sofiyanto, Irfan Putra Pratama, Akmal