Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode Jurnal Kesehatan Vokasional Bulletin of Social Informatics Theory and Application
Herwanto, Guntur Budi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Health Professions Nursing Public Health Social Sciences

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

Found 5 Documents
Search

 1 
Recommendation system for web article based on association rules and topic modelling Herwanto, Guntur Budi; Ningtyas, Annisa Maulida
Bulletin of Social Informatics Theory and Application Vol. 1 No. 1 (2017)
Publisher : Association for Scientific Computing Electrical and Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/businta.v1i1.36

Abstract

The World Wide Web is now the primary source for information discovery. A user visits websites that provide information and browse on the particular information in accordance with their topic interest. Through the navigational process, visitors often had to jump over the menu to find the right content. Recommendation system can help the visitors to find the right content immediately. In this study, we propose a two-level recommendation system, based on association rule and topic similarity. We generate association rule by applying Apriori algorithm. The dataset for association rule mining is a session of topics that made by combining the result of sessionization and topic modeling. On the other hand, the topic similarity made by comparing the topic proportion of web article. This topic proportion inferred from the Latent Dirichlet Allocation (LDA). The results show that in our dataset there are not many interesting topic relations in one session. This result can be resolved, by utilizing the second level of recommendation by looking into the article that has the similar topic.
Concerns for Digital Privacy in Business and Management: An overview and Future Discourses Recommendation Linando, Jaya Addin; Herwanto, Guntur Budi
Bulletin of Social Informatics Theory and Application Vol. 6 No. 2 (2022)
Publisher : Association for Scientific Computing Electrical and Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/businta.v6i2.508

Abstract

This paper aims to highlight the developing awareness of concern for digital privacy from business and management viewpoint. The authors compile data privacy literature in management field and visualize the literature into 4 main clusters of concerns. The 4 main cluster of concerns in data privacy discourse on management field are: internet; roles-trust-security; locations; and consumer privacy. This paper contributes on the development of research and discourse in data privacy and management domain. Besides delivering the overviews of the digital privacy concerns in business and management fields, the paper also places suggestions for future researchers.
Pendekatan Ensemble Learning untuk klasifikasi serangan DDoS Nurfajri, Muhammad Oriza; Herwanto, Guntur Budi
Jurnal Pseudocode Vol 12 No 2 (2025): Volume 12 Nomor 2 September 2025
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.12.2.39-46

Abstract

This research proposes an ensemble learning approach for classifying Distributed Denial of Service (DDoS) attacks using the CIC-DDoS2019 dataset. DDoS attacks remain a significant threat to network security, necessitating efficient detection methods. We developed an ensemble model combining Random Forest, Gradient Boosting, and AdaBoost classifiers to enhance detection accuracy. Our methodology involves preprocessing the CIC-DDoS2019 dataset, extracting relevant features, and implementing both binary classification (benign vs. attack) and multiclass classification (attack type identification). The experimental results show that our ensemble model achieves an F1-score of 0.9967 for binary classification, with Gradient Boosting performing best among individual models. The multiclass classification reaches an accuracy of 0.8742 in distinguishing between different types of DDoS attacks. This research demonstrates that ensemble learning significantly improves the accuracy and reliability of DDoS attack detection compared to single-model approaches. Keywords: Ensemble learning; DDoS attack; network security; CIC-DDoS2019; machine learning.
Monitoring Persebaran Penyakit Demam Berdarah Dengue dengan Memanfaatkan Data Berita Online Ningtyas, Annisa Maulida; Lubis, Ismil Khairi; Herwanto, Guntur Budi
Jurnal Kesehatan Vokasional Vol 4, No 2 (2019): May
Publisher : Sekolah Vokasi Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jkesvo.44691

Abstract

Latar Belakang: Implementasi surveilans penyakit di Indonesia masih menggunakan metode tradisional, yaitu dengan mengumpulkan data langsung di lapangan. Surveilans penyakit dengan menggunakan metode tradisional ini memiliki beberapa kekurangan, yaitu data real dilapangan sulit didapatkan secara real-time pada skala global dan laporan mengenai persebaran penyakit memerlukan waktu yang panjang.Tujuan: Tujuan dari penelitian in adalah untuk melakukan studi pendahuluan penggunaan berita online untuk surveilans penyakit,yang diharapkan dapat menyajikan informasi mengenai persebaran penyakit Demam Berdarah Dengue (DBD) di Indonesia secara real-time.Metode: Data yang digunakan adalah data berita yang berasal dari beberapa portal berita online, seperti kompas.com, tempo.com, krjogja.com dan sebagainya, yang diambil dalam rentang waktu tertentu. Ekstraksi fitur lokasi pada berita menggunakan metode dictionary pattern matching.Hasil: Hasil dari penelitian ini ditemukan persebaran penyakit berdasarkan fitur lokasi dalam berita di 9 Provinsi di Indonesia, yaitu Banten, DI Yogyakarta, Jambi, Jawa Barat, Jawa Tengah, Kalimantan Timur, Kalimantan Utara, Nusa Tenggara Timur dan Sumatera Utara. Hasil uji korelasi menunjukan bahwa terdapat korelasi antara kemunculan fitur lokasi dengan banyaknya kasus dilapangan. Kemudian dari hasil perbandingan dengan peringkat 5 besar provinsi dengan angka kejadian tertinggi, ditemukan bahwa 3 dari 9 provinsi memiliki kesesuaian dengan data dari Kementerian Kesehatan, yaitu Jawa Tengah, Sumatera Utara dan Jawa BaratKesimpulan: Surveilans dengan memanfaatkan berita online berkorelasi dengan data dari Kementerian Kesehatan dan dapat menyajikan informasi persebaran DBD secara real-time, namun penelitian ini masih memiliki kekurangan, yaitu jumlah berita yang tidak relevan masih cukup tinggi dan masih condong pada suatu daerah.
‘Resik’ sebagai Sistem Informasi untuk Identifikasi Berkas Rekam Medis Ganda di Rumah Sakit Umum Daerah X Daerah Istimewa Yogyakarta Nuryati, Nuryati; Ningtyas, Annisa Maulida; Herwanto, Guntur Budi; Sulistiyo, Widhi
Jurnal Kesehatan Vokasional Vol 5, No 2 (2020): May
Publisher : Sekolah Vokasi Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jkesvo.51442

Abstract

Latar Belakang: Di salah satu RSUD X DIY masih terdapat potensi duplikasi nomor rekam medis dan diharapkan untuk segera dilakukan identifikasi untuk menangani masalah tersebut. Diperlukan sebuah mekanisme standar yang digunakan untuk melakukan identifikasi kesamaan data rekam pasien di rumah sakit yang bertujuan untuk menghilangkan duplikasi data rekam medis. Mekanisme tersebut dituangkan dalam sebuah framework untuk mendeteksi duplikasi rekam medis yang diberi nama ”RESIK”.Tujuan: Menerapakan framework ”RESIK” di salah satu RSUD X DIY untuk mengidentifikasi terjadinya duplikasi rekam medis.Metode: Metode identifikasi duplikasi rekam medis menggunakan pairwise comparison. Kriteria yang dikomparasikan adalah 100.000 data sosial  pasien yang ada pada database SIMRS di RSUD X DIY. Identifikasi potensi duplikasi menggunakan data nomor rekam medis,  nama, tanggal lahir, jenis kelamin, dan alamat pasien.Hasil: Dari 100.000 data sosial pasien, ditemukan bahwa terdapat 413 berkas rekam medis yang terindikasi duplikasi (0,413%). Dari 413 berkas rekam medis, ditemukan sebanyak 407 pasien (98,547%) memiliki dua nomor rekam medis berbeda, 5 pasien (1,211%) memiliki 3 nomor rekam medis berbeda, dan 1 pasien (0,242%) memiliki empat nomor rekam medis berbeda. Kesimpulan: Framework ”RESIK” terbukti dapat mengidentifikasi adanya duplikasi nomor rekam medis di RSUD X DIY.
Co-Authors Linando, Jaya Addin Ningtyas, Annisa Maulida Nurfajri, Muhammad Oriza Nuryati Nuryati Sulistiyo, Widhi