Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Djtechno: Jurnal Teknologi Informasi Jurnal Ilmiah Edutic : Pendidikan dan Informatika DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY SISFOTENIKA
Niko Akbar
Universitas Jambi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Development of a Web-Based Application for Predicting Stroke Patient Emergency Levels Using the Naïve Bayes Algorithm Nurul Abdillah; Oki Dahwanu; Hamzah Alghifari; Niko Akbar
EDUTIC Vol 13, No 1: 2026
Publisher : Universitas Trunodjoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v13i1.34303

Abstract

Stroke is a serious disease that requires prompt and appropriate treatment; therefore, determining the level of patient Emenrgency Levels is critically important. This study aims to develop a web-based application for predicting the Emenrgency Levels level of stroke patients using the Naïve Bayes algorithm as a classification method. The research data were obtained from the medical records of stroke patients at RSUP Dr. M. Djamil Padang during March and April 2025, with a total of 222 data samples. The attributes used in this study include age, gender, address, length of stay, ward class, BPJS insurance membership status, and comorbidities, with Emenrgency Levels status as the class attribute classified into Emenrgency and non-Emenrgency. The application was developed as a web-based system to facilitate easy access for medical personnel in utilizing the prediction system. The experimental results indicate that the Naïve Bayes algorithm achieved an accuracy of 77.48% with an error rate of 22.52%. The findings of this study are expected to assist medical personnel in supporting faster and more objective decision-making regarding the Emenrgency Levels level of stroke patients.
KLASIFIKASI DAN PREDIKSI KELUARGA BERISIKO STUNTING DI PROVINSI JAMBI MENGGUNAKAN METODE KNN DAN NAIVE BAYES Niko Akbar; Hamzah Alghifari; Nurul Abdillah; Oki Dahwanu
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8522

Abstract

Di Indonesia Prevalensi stunting sebesar 37,2%, naik dari 35,6% pada tahun 2019 dan 36,8%, dengan mayoritas dipengaruhi oleh penduduk setempat. Kementerian Kesehatan Indonesia memperkirakan bahwa prevalensi stunting akan mencapai 38,9% pada tahun 2020. Permasalahannya Beberapa Data yang diambil dan dipakai berupa data sekunder yang di ada diwebsite opendata provinsi jambi yang berjudul Faktor Penapisan Keluarga Berisiko Stunting di Provinsi Jambi. Dengan menggunakan algoritma KNN dan Naïve Bayes, maka didapatkan hasilnya berupa kedua algoritma cocok untuk pengklasteran dan Scoring dari algoritma menunjukkan hasil yang berbeda. Karena keakurasiannya sesuai dengan perhitungan manual yang telah dijabarkan pada bagian pengolahan data. Beberapa hasil dari cross-validasi menyatakan bahwa nilai accuracy 85,29%, nilai precision berupa 83,33%, nilai recall 85,29%.
Komparasi Efektivitas Augmented Reality dan Virtual Reality sebagai Media Pembelajaran: Tinjauan Sistematis: Comparative Effectiveness of Augmented and Virtual Reality Learning: Systematic Review Hamzah Alghifari; Niko Akbar; Nurul Abdillah; Oki Dahwanu
SISFOTENIKA Vol. 16 No. 2 (2026): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v16i2.643

Abstract

Teknologi imersif seperti Augmented Reality (AR) dan Virtual Reality (VR) telah menciptakan peluang baru dalam bidang pendidikan. Namun, masih ada perdebatan tentang teknologi mana yang dapat meningkatkan hasil pembelajaran. Tujuan dari penelitian ini adalah untuk membandingkan efektivitas realitas maya (AR) dan realitas virtual (VR) sebagai media pembelajaran dengan menggunakan pendekatan Systematic Literature Review (SLR) yang didasarkan pada PRISMA 2020. Tiga basis data utama (Scopus, IEEE Xplore, dan ScienceDirect) digunakan untuk melakukan pencarian literatur dari tahun 2019 hingga tahun 2020. Dari 562 artikel yang ditemukan, 42 memenuhi persyaratan inklusi dan dianalisis secara naratif-komparatif. Hasil penelitian menunjukkan bahwa dibandingkan dengan metode konvensional, kedua teknologi meningkatkan motivasi, keterlibatan, dan hasil belajar. Sementara realitas virtual memiliki keunggulan dalam simulasi skenario berbahaya, retensi materi kompleks, dan imersi mendalam, AR unggul dalam aksesibilitas, kemudahan adopsi, dan integrasi konteks dunia nyata. Bahasa, STEM, dan kedokteran adalah bidang yang paling banyak memanfaatkan keduanya. Biaya perangkat, kesiapan guru, dan infrastruktur adalah masalah utama, terutama di negara berkembang. Studi ini membantu memilih teknologi berdasarkan tujuan pembelajaran dan konteks institusi. Kata kunci—Augmented reality, Virtual reality, Efektivitas Pembelajaran, Media Pembelajaran, Systematic Literature Review.
PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERISASI POLA IKLIM STUDI KASUS: PROVINSI JAMBI PERIODE 2020-2024 Yandi Anzari; M. Yonggi Puriza; Niko Akbar; Nurul Abdillah; Oki Dahwanu; Elsi Alfionita Syawal
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7994

Abstract

Penelitian ini menerapkan algoritma K‑Means untuk mengidentifikasi pola iklim dominan di Provinsi Jambi pada periode Januari 2020 sampai Desember 2024. Dataset bulanan berjumlah 60 observasi yang memuat enam variabel meteorologi: curah hujan, suhu rata‑rata, suhu maksimum, suhu minimum, kecepatan angin, dan kelembaban relatif. Data diagregasi dari data harian menjadi bulanan dan dipra‑proses dengan standardisasi Z‑Score untuk mengatasi heterogenitas skala antar fitur. Penentuan jumlah klaster optimal dilakukan secara kuantitatif menggunakan Elbow Method berdasarkan nilai inersia, yang menunjukkan titik belok pada k=3. Model K‑Means diinisialisasi secara acak dan dijalankan dengan beberapa pengulangan untuk menilai stabilitas hasil; keluaran divisualisasikan dalam proyeksi 2D dan 3D untuk memudahkan interpretasi spasial. Analisis centroid mengidentifikasi tiga rezim iklim: rezim kering/transisi (curah hujan rendah dan suhu relatif tinggi), rezim monsonal normal (curah hujan menengah‑tinggi dan kelembaban tinggi), serta rezim basah ekstrem (curah hujan sangat tinggi dan kelembaban tinggi). Hasil ini menyediakan tipologi iklim berbasis data yang relevan untuk perencanaan pertanian, mitigasi bencana hidrometeorologi, dan kebijakan adaptasi iklim di tingkat provinsi.
Co-Authors Alghifari, Hamzah Elsi Alfionita Syawal M. Yonggi Puriza Nurul Abdillah Nurul Abdillah Oki Dahwanu Yandi Anzari