Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal Teknika Jurnal Teknik Ilmu dan Aplikasi Information Technology Education Journal Jurnal Komputasi
Hendri Purnomo
Institut Informatika dan Bisnis Darmajaya
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Classification Analysis of English Proficiency Levels Based on TOEFL Test Data Using Decision Tree Muhammad Ikhsan; Muhammad Galih Ramaputra; Hendri Purnomo
Information Technology Education Journal Vol. 4, No. 2, May (2025)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/intec.v4i2.6792

Abstract

English proficiency plays a significant role in education, employment, and global communication. The TOEFL test is frequently used as an indicator to measure competence in listening, reading, speaking, and writing. This study aims to classify English proficiency levels based on TOEFL test data using the Decision Tree algorithm. The model was constructed by considering test scores and demographic attributes to obtain accurate predictions. Evaluation results showed that the model achieved an accuracy of 9.5%, precision of 9.1%, recall of 9.5%, and an F1-score of 9.1%. Although the model’s performance was relatively low, this approach can reveal certain patterns within the data that may serve as a foundation for developing more targeted English language learning strategies. This research contributes to the understanding of factors influencing TOEFL scores and provides recommendations for designing effective learning programs.
Analisis Penerimaan dan Penggunaan Website Training Center di Universitas X Menggunakan Technology Acceptance Model (TAM) Muhammad Galih Ramaputra; Hendri Purnomo; M. Yhogha Ismail Ibn Ibrahim
Jurnal Komputasi Vol. 13 No. 2 (2025)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v13i2.285

Abstract

In the digital era, the use of information technology in education is crucial to enhance the effectiveness of learning and training. University X has developed a Training Center website as a supporting platform for academic and professional activities for students and educators. This study analyzes the acceptance and use of the website using the Technology Acceptance Model (TAM), with the main variables being Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Use (ATU), Behavioral Intention to Use (BI), and Actual System Usage (ASU). The research method employed is a quantitative survey through the distribution of questionnaires to students, lecturers, and educational staff. The results show that PU scored 75.2%, PEOU 8.69%, ATU 75.37%, and BI 77.5%, indicating that users have a positive perception of the benefits and intention to use the website, although there are still challenges regarding ease of use. To improve the website's effectiveness, it is recommended to optimize features, integrate with the Learning Management System (LMS), and enhance outreach and training for users. The results of this study are expected to serve as a basis for further development to increase the acceptance and usage of the Training Center website at University X.
Federated Learning Berbasis Privasi untuk Prediksi Tingkat Keparahan COVID-19 Multi-Rumah Sakit Hendri Purnomo; Zulkarnaini; Seli Puri Andani
Jurnal Teknik Ilmu dan Aplikasi Vol. 7 No. 02 (2026): Jurnal Teknik Ilmu dan Aplikasi
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtia.v7i02.9784

Abstract

Pandemi COVID-19 menuntut klasifikasi tingkat keparahan yang akurat di berbagai rumah sakit, namun peraturan privasi data (HIPAA, GDPR, dan Undang-Undang PDP Indonesia) melarang pembagian data pasien mentah. Selain itu, data klinis antar rumah sakit secara alami bersifat non-IID. Penelitian ini mengusulkan kerangka kerja federated learning (FL) dengan differential privacy (DP) untuk klasifikasi tingkat keparahan COVID-19 yang menjaga privasi menggunakan rekam medis elektronik. Kami mengembangkan model hybrid CNN-LSTM yang memproses fitur statistik dan tanda-tanda penting berturut-turut. Eksperimen menggunakan dataset COVID-19 (199.999 sampel, 17 fitur) yang dibagi ke dalam 3, 5, dan 10 rumah sakit virtual dengan tingkat non-IID yang berbeda (α = 1,0; 0,5; 0,1). DP-SGD diterapkan dengan anggaran privasi ε = 0,1; 1,0; 10,0; dan tanpa DP. FL tanpa DP mencapai akurasi 88,36% (F1 = 0,8809), hanya selisih 1,1% dari model bermata (89,47%) dan 12,9% lebih tinggi dibandingkan model lokal saja (78,34%). Dengan DP pada ε = 0,1, akurasi turun sebesar 6,2% (menjadi 82,93%), sementara inferensi keanggotaan AUC serangan turun dari 0,4823 menjadi 0,0387, yang menunjukkan perlindungan privasi yang kuat. Tingkat non-IID yang lebih tinggi (α = 0,1) meningkatkan jumlah putaran konvergensi dari 35 menjadi 60, namun tetap mempertahankan akurasi 85,12%. Biaya komunikasi untuk lima rumah sakit sebesar 162 MB (<500 MB). Semua hipotesis terkonfirmasi. Kerangka kerja FedCOVID-DP memungkinkan kolaborasi klasifikasi tingkat keparahan yang sesuai privasi tanpa berbagi data mentah, tahan terhadap serangan, mampu menangani data non-IID, serta memiliki biaya komunikasi rendah, sehingga layak diterapkan di rumah sakit di Indonesia dan secara global.
Analisis Data Kehadiran Siswa Menggunakan Teknik Data Mining Ayu Firdhayanti; Hendri Purnomo; Arman Suryadi Karim
Jurnal Teknik Ilmu dan Aplikasi Vol. 7 No. 02 (2026): Jurnal Teknik Ilmu dan Aplikasi
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtia.v7i02.9859

Abstract

Kehadiran siswa merupakan salah satu indikator penting dalam menilai kualitas proses pembelajaran di sekolah. Pengelolaan data kehadiran secara manual masih menjadi tantangan bagi banyak institusi pendidikan. Penelitian ini bertujuan menganalisis pola kehadiran siswa menggunakan teknik data mining, khususnya algoritma C4.5 untuk klasifikasi dan K-Means untuk pengelompokan (clustering). Dataset berasal dari rekap kehadiran siswa SMP selama satu tahun ajaran dengan total 1.200 record. Hasil penelitian menunjukkan bahwa C4.5 mampu mengklasifikasikan tingkat kehadiran dengan akurasi 91,7%, sedangkan K-Means mengelompokkan siswa ke dalam tiga klaster: Rajin, Cukup, dan Sering Absen, dengan Silhouette Score 0,68. Temuan ini memberikan informasi bagi pihak sekolah untuk melakukan intervensi dini terhadap siswa berisiko tinggi absen. Kata kunci: data mining, kehadiran siswa, algoritma C4.5, K-Means, klasifikasi, clustering
Prediksi Curah Hujan Harian Menggunakan Model ARIMA dan LSTM di Stasiun Meteorologi Radin Inten II Lampung Siswadi Siswadi; Hendri Purnomo
TEKNIKA Vol. 20 No. 1 (2026): Teknika Januari 2026
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.17640365

Abstract

Penelitian ini dilakukan untuk mengevaluasi perbandingan kinerja antara model deret waktu konvensional Autoregressive Integrated Moving Average (ARIMA) dan model berbasis deep learning Long Short-Term Memory (LSTM) dalam melakukan prediksi curah hujan bulanan di Stasiun Meteorologi Radin Inten II, Bandar Lampung. Data yang digunakan berasal dari periode 2022–2024 dan mencakup beberapa parameter klimatologi, yaitu curah hujan, suhu udara, tekanan atmosfer, serta kelembapan relatif. Prosedur penelitian mencakup tahapan pengumpulan data, prapemrosesan melalui normalisasi Min–Max, pembagian dataset menjadi data latih dan uji, pembangunan model menggunakan bahasa pemrograman Python, serta pengujian kinerja dengan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²).Berdasarkan hasil pengujian, model LSTM menunjukkan tingkat akurasi yang lebih tinggi dibandingkan dengan ARIMA, dengan nilai RMSE sebesar 19,57; MAE 12,84; MAPE 5,36%; dan R² 0,94. Adapun model ARIMA memperoleh nilai RMSE 27,45; MAE 18,73; MAPE 9,21%; dan R² 0,87. Hasil tersebut menunjukkan bahwa LSTM lebih mampu merepresentasikan hubungan nonlinier serta pola musiman pada data klimatologi wilayah tropis. Oleh karena itu, LSTM direkomendasikan sebagai pendekatan utama untuk prediksi curah hujan jangka pendek di Provinsi Lampung.
Co-Authors Arman Suryadi Karim, Arman Suryadi Ayu Firdhayanti M. Yhogha Ismail Ibn Ibrahim Muhammad Galih Ramaputra Muhammad Ikhsan Seli Puri Andani Siswadi Siswadi Zulkarnaini