Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal J.Abdimas: Community Health KOMNET : Jurnal Komputer, Jaringan dan Internet
Budi Styawan
Politeknik Negeri Tanah Laut
Humanities Computer Science & IT Health Professions Mathematics Medicine & Pharmacology Nursing Public Health Other

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

Found 2 Documents
Search

 1 
Edukasi Kader Posyandu dan PKK Tentang Pemberian Makanan Pendamping Menggunakan Sayuran Lokal: Educating Posyandu and PKK Cadres on Complementary Feeding Using Locally Vegetables Bella Mardya; Muhammad Helmy Abdillah; Akhmad Raja Shaufi; Malisa Ariani; Raybian Nur; Budi Styawan
J.Abdimas: Community Health Vol. 7 No. 1 (2026): J.Abdimas: Community Health - Mei 2026
Publisher : LPPM STIKES Guna Bangsa Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30590/jach.v7n1.385

Abstract

Latar Belakang: Malnutrisi pada anak merupakan permasalahan global yang salah satunya dipengaruhi oleh rendahnya pengetahuan ibu mengenai pemenuhan gizi anak, termasuk dalam pengolahan makanan pendamping ASI berbasis pangan lokal. Tujuan: Pengabdian masyarakat ini bertujuan meningkatkan pengetahuan ibu dalam mencegah malnutrisi pada anak melalui demonstrasi pengolahan MP-ASI berbahan dasar pangan lokal yang dikolaborasikan dengan sektor pertanian. Metode: Pendekatan yang dipilih dalam pengabdian masyarakat ini yaitu melalui model Participatory Rural Appraisal. Setelah menyusun rencana aksi, tindakan selanjutnya yakni memberdaya-gunakan aset masyarakat untuk kepentingan kegiatan ini. Pendekatan yang digunakan adalah Asset Based Community Development (ABCD) yang menitikberatkan pada pengelolaan aset mitra sasaran berupa penggunaan lahan pekarangan yang secara sukarela digunakan untuk kegiatan tanam-menanam. Tingkat pengetahuan ibu diukur menggunakan instrument pretest dan post-test yang dianalisis secara deskriptif menggunakan nilai median serta rentang minimun-maksimum. Hasil dari kegiatan pertanian kemudian diolah menjadi MP-ASI. Proses pembuatan MP-ASI ini disampaikan pada kegiatan demonstrasi pembuatan MP-ASI yang tepat dan adekuat untuk meningkatkan pengetahuan ibu. Pengetahuan ibu mengenai MP-ASI diukur menggunakan kuesioner untuk menganalisis pengetahuan ibu sebelum dan sesudah demonstrasi dilakukan. Hasil: Hasil kegiatan menunjukkan adanya peningkatan pengetahuan ibu, ditunjukkan oleh nilai median pretest sebesar 15 (12–21) yang meningkat menjadi median post-test sebesar 17 (14–23). Kesimpulan: Kesimpulan yang diperoleh dari pengabdian masyarakat ini yaitu terdapat perubahan median skor pengetahuan ibu tentang pemenuhan nutrisi yang tepat untuk anak. Pemanfaatan metode edukasi gizi dengan metode demonstrasi ini dapat menjadi salah satu pilihan dalam inovasi edukasi gizi kepada masyarakat berbasis pangan lokal.
Network Intrusion Detection Using Machine Learning in Network Intrusion Detection Systems (NIDS) Arnoldus Jansen; Dery Yuswanto; Budi Styawan; I Made Candra Girinata
KOMNET : Jurnal Komputer, Jaringan dan Internet 2025: Vol 4 No 1
Publisher : Pusat Penelitian dan Pengabdian Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/yt59ac51

Abstract

Computer network security has become a crucial aspect as dependence on network-based services increases. One important mechanism in maintaining network security is the Network Intrusion Detection System (NIDS), which functions to detect suspicious activity or attacks on network traffic. The traditional signature-based approach has limitations in detecting new attacks (zero-day attacks). Therefore, this study proposes the application of Machine Learning and Deep Learning methods to improve network intrusion detection capabilities. The CIC-IDS2017 dataset was used as the data source because it represents various types of modern network attacks. The research stages included data pre-processing, feature selection, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The models used include Random Forest as a representation of Machine Learning and Long Short-Term Memory (LSTM) as a representation of Deep Learning. The results show that the Deep Learning approach is capable of providing better detection performance on complex attacks compared to conventional Machine Learning methods. This research is expected to serve as a reference in the development of adaptive and accurate network intrusion detection systems.
Co-Authors Abdillah, Muhammad Helmy Akhmad Raja Shaufi Arnoldus Jansen Bella Mardya Dery Yuswanto I Made Candra Girinata Malisa Ariani Nur, Raybian