Article Per Year (5 Year)
p-Index From 2021 - 2026
2.59
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Informatics and Communication Technology (IJ-ICT) International Journal of Advances in Applied Sciences Jurnal Transformatika TRANSISTOR Elektro dan Informatika Indonesian Journal of Community Services Nusantara of Engineering (NOE) Prosiding Seminar Riset Mahasiswa Jurnal Ilmiah Sultan Agung Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Riansyah, Andi
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
KLASIFIKASI BIDANG ILMU PADA PUBLIKASI TERINDEKS WEB OF SCIENCE MENGGUNAKAN METODE NAÏVE BAYES Munir, Abdulloh; Riansyah, Andi; Haviana, Sam Farisa Chaerul
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kecepatan dalam mengakses di internet menjadikan jurnal ilmiah berkembang pesat dan banyak. Adanya permasalahan seperti menemukan jurnal sesuai dengan bidang ilmu. Dari permasalahan tersebut perlu metode pengklasifikasian pencarian jurnal sesuai isi topik yang dituju, salah satunya dengan metode data mining klasifikasi dengan naïve bayes. Data Mining adalah proses menemukan pola bertujuan melakukan klasifikasi, prediksi, dan klaster. Naïve Bayes merupakan metode atas dasar probabilitas statistika dengan menerapkan teorema bayes, memprediksi peluang hasil yang akan didapatkan dengan memperhitungkan berdasarkan data pengalaman dimasa sebelumnya. Tujuan penelitian ini yaitu menerapkan metode naïve bayes dalam pengklasifikasian jurnal ke dalam 5 bidang ilmu dapat merumuskan masalah berupa memudahkan pengelompokan jurnal ilmiah sesuai akan topik. Hasil akhir pada penelitian ini yaitu menghasilkan output kesesuaian judul dari artikel dalam SINTA yang sudah terindeks Web of Science dalam 5 bidang ilmu tersebut. Dengan hasil dari pengujian sistem nilai akurasi 44,2%, recall 24% dan presisi 20,2%.Keyword : Klasifikasi, 5 Bidang Ilmu, Web of Science, Naïve Bayes, SINTA. 
Klasifikasi Kepakaran Reviewer Menggunakan Algoritma K-Nearest Neighbor (KNN) Fajarini, Intan Putri Nur; Subroto, Imam Much Ibnu; Riansyah, Andi
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ada banyak hal yang bisa dilakukan dalam meningkatkan kualitas pendidikan di negara Indonesia salah satunya yaitu Kemdikbud membuat sebuah program untuk meningkatkan jumlah publikasi jurnal di Indonesia yang bereputasi internasional. Jika dilakukan upaya peningkatan publikasi jurnal maka diperlukan reviewer jurnal, yang mana bidang keilmuan reviewer harus sesuai dengan bidang ilmu dari jurnal yang akan direview, data reviewer ini diperoleh dari database SINTA (Science and Technology Index). Bidang ilmu dari jurnal tersebut dikelompokkan ke dalam 5 bidang yaitu Arts & Humanities, Engineering & Tecnology, Life Sciences & Medicine, Natural Science, dan Social Science & Management. Saat ini belum ada penelitian yang menerapkan suatu metode untuk mengklasifikasikan reviewer dengan 5 bidang ilmu kepakaran, untuk memudahkan hal tersebut bisa memanfaatkan teknik yang ada saat ini yaitu menggunakan metode data mining untuk mengolah data tersebut, dalam penerapan data mining untuk klasifikasi akan digunakan algoritma KNN. Dalam penelitian ini tahap yang dilakukan adalah pengumpulan data, kemudian data tersebut akan diolah menggunakan metode preprocessing agar diperoleh data yang bersih dan memiliki kualitas yang baik, setelah itu akan diproses lagi dengan menerapkan metode klasifikasi menggunakan algoritma KNN. Setelah melakukan beberapa pengujian jumlah K dan menggunakan 3 skenario pengujian, pada penelitian ini menghasilkan akurasi 0,751 atau 75 %, precission 0.628, recall 0.54, dan f-measure 0.528 dengan K = 30 pada pengujian skenario uji 80% : 20%.Kata Kunci : reviewer , data mining, klasifikasi, KNN
Klasifikasi Bidang Ilmu Pada Publikasi Terindeks GARUDA Kemdikbud Menggunakan Metode K-Nearest Neighbor (KNN) Saadah, Farikhatus; Subroto, Imam Much Ibnu; Riansyah, Andi
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.95-101

Abstract

GARUDA merupakan salah satu portal yang memuat referensi ilmiah nasional Indonesia dan memberikan akses terhadap karya ilmiah yang dihasilkan oleh akademisi dan peneliti Indonesia. Klasifikasi merupakan proses penemuan model (fungsi) yang menggambarkan dan membedakan kelas data. Sebelumnya belum ada penelitian yang menggunakan 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management, untuk mengklasifikasikan judul artikel pada aplikasi terindeks Garuda. Dalam penelitian ini akan mengklasifikasikan judul artikel yang ada pada aplikasi terindeks Garuda kedalam 5 bidang ilmu yang akan menggunakan metode algortima K-Nearest Neighbor (K-NN), dan akan dilakukan dengan cara mengumpulkan data pada aplikasi terindeks Garuda, lalu dilakukan tahap prepocessing agar data memiliki kualitas yang baik. Setelah itu mencari data dengan jarak terdekat dengan tetangga terdekat pada data latih dengan data yang akan diuji, lalu evaluasi yang akan digunakan adalah accuracy, precision, recall, dan F-score. Hasil yang diharapkan dari penelitian ini adalah metode algorima K-Nearest Neighbor (K-NN) dapat menghasilkan tingkat akurasi yang tinggi dalam mengklasifikasikan judul artikel pada aplikasi terindeks Garuda, kedalam 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management secara cepat dan otomatis. Hasil dari penelitian ini mendapatkan nilai akurasi tertinggi 0,499 atau 49,9% dengan menggunakan parameter nilai K = 285.
Implementasi Sistem Informasi Surat Online Realtime Pada Organisasi Badan Wakaf Ghufron; Badieah, Badieah; Riansyah, Andi
Nusantara of Engineering (NOE) Vol 6 No 1 (2023): Volume 6 No 1 Tahun 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v6i1.19911

Abstract

Sistem Informasi Surat Online Realtime pada Organisasi Badan Wakaf solusi teknologi informasi untuk mempercepat proses pengelolaan surat dan tugas secara efektif dan efisien. Sistem memungkinkan pengguna untuk menerima surat dari setiap unit secara real-time. Sistem dirancang untuk memudahkan proses pengelolaan tugas dari setiap unit, untuk dapat meminimalkan kesalahan, meningkatkan produktivitas dan mengurangi biaya operasional pengiriman surat fisik. Notifikasi otomatis, arsip digital, dan sebagai tugas pada bagian atau unit merupakan fitur sistem ini. pengguna dapat memantau dan melacak status surat secara real-time, proses tindak lanjut surat. Implementasi sistem pada badan wakaf melibatkan beberapa tahap, analisis kebutuhan, perancangan sistem, pengembangan sistem, uji coba dan peluncuran sistem. Tahap analisis kebutuhan mencakup identifikasi masalah dan kebutuhan pengguna, sedangkan tahap perancangan sistem melibatkan desain dan pemodelan sistem. Tahap pengembangan sistem melibatkan pengkodean dan pengujian sistem, sedangkan tahap uji coba dilakukan untuk memastikan sistem berjalan dengan baik sebelum peluncuran. Diperlukan pelatihan untuk pengguna agar dapat menggunakan sistem dengan benar dan efektif. Dalam implementasi sistem informasi perlu memperhatikan faktor-faktor yang mempengaruhi penerimaan dan penggunaan sistem oleh pengguna. Faktor-faktor ini termasuk keamanan dan privasi, kemudahan penggunaan, dan dukungan dari manajemen. Harapannya untuk efisiensi pekerjaan dan memberikan manfaat yang signifikan proses permintaan dari unit di bawah yayasan badan wakaf.
Applying fuzzy Tsukamoto method to improve production efficiency in manufacturing industry Taufik, Moch; Riansyah, Andi; Qomaruddin, Muhammad; Sholahuddin, Muhammad
International Journal of Informatics and Communication Technology (IJ-ICT) Vol 15, No 1: March 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijict.v15i1.pp356-364

Abstract

Manufacturing can increase competitiveness and reduce costs by improving production efficiency. The study’s goal is to develop a production prediction system using the fuzzy Tsukamoto technique. This method is used to model the uncertainty that occurs during the production process. Thus, production planning based on demand and inventory availability can be more accurate. After being tested on production data from a manufacturing company, the fuzzy Tsukamoto method showed the ability to make more efficient decisions than conventional methods. This system not only significantly reduces production costs but also improves overall operational efficiency, including resource management, waste reduction, and cycle time optimization. The adoption of this method provides added value to companies in facing increasing market competition while keeping production costs low without compromising quality.
Implementation of XGBoost for diabetes mellitus risk prediction based on health history Riansyah, Andi; Ghufron, Ghufron; Fitriyah, Lailatul; Suyanto, Suyanto
International Journal of Advances in Applied Sciences Vol 14, No 4: December 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijaas.v14.i4.pp1028-1039

Abstract

Diabetes mellitus (DM) is a chronic disease with a growing global burden and specific challenges for early management, particularly in regions with limited access to healthcare. This study develops a web-based system to classify diabetes risk from medical history using extreme gradient boosting (XGBoost), an ensemble model of decision trees. The dataset comprised 520 respondents (320 DM, 200 non-DM) and underwent labeling, standardization, and an 80:20 train–test split, followed by hyperparameter selection via grid search and 5-fold cross-validation (CV). On the test set, the model achieved an accuracy of 0.9888, precision of 1.0000, recall of 0.9718, and an F1-score of 0.9857; discriminative performance was also strong with an area under the receiver operating characteristic curve (AUC ROC) of 0.839. These findings confirm that XGBoost effectively handles complex or imbalanced medical data while providing probabilistic outputs that are clinically meaningful. Deployed as a web application, the system can support early screening, triage, and clinical decision-making, thereby expediting referrals and personalizing interventions in primary care and hospital settings, especially in resource-constrained environments. This work lays the groundwork for further development, including the integration of explainable artificial intelligence (XAI) techniques to enhance clinical transparency.
Pemberdayaan Tentor Lembaga Bimbingan Belajar Tanjungharjo Grobogan melalui Pengembangan Learning Object Material Berbasis Artifial Intelligence Basir, Mochamad Abdul; Jupriyanto, Jupriyanto; Riansyah, Andi; Aminudin, Mohamad
KOMUNITA: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 5 No 1 (2026): Februari
Publisher : PELITA NUSA TENGGARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60004/komunita.v5i1.417

Abstract

Modern technology has created significant opportunities for enhancing personalization in learning, particularly through the utilization of data analytics and artificial intelligence, which enable the customization of learning products based on students’ needs, levels of understanding, and learning styles. This condition requires educators and tutoring instructors to possess adequate digital skills in order to produce instructional materials that are relevant, adaptive, and easily accessible. Responding to this need, this community service program was designed to provide training and assistance in developing digital-based learning products for tutors at the AURORA Tutoring Institute in Grobogan Regency, Central Java. The program was implemented through four stages: socialization, training, mentoring, and monitoring and evaluation. The training consisted of two main sessions: (1) multimedia production through the development of PowerPoint materials assisted by artificial intelligence and the recording of instructional content, and (2) training in managing a Learning Management System using Google Classroom. A total of 10 tutors participated in the entire series of activities. The evaluation results indicate an improvement in participants’ digital competencies, evidenced by all tutors (100%) being able to produce learning multimedia that is more engaging, interactive, flexible, and ready for use in tutoring sessions. This program demonstrates that structured training interventions can effectively enhance the quality of learning digitalization within tutoring institutions.
Deep neural network classification in chatbot system family health counseling services Riansyah, Andi; Haviana, Sam Farisa Chaerul; Supradewi, Ratna; Wahib, Muhammad Ainul
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 2: April 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i2.pp1211-1218

Abstract

Mental health problems affect many aspects of life, including physical well being, work productivity, social functioning, and suicide risk. In Indonesia, access to professional mental health services remains very limited: only a small proportion of people with depression receive treatment and the number of mental health professionals per population is far below international recommendations, creating an urgent service gap. This study proposes an artificial intelligence–based chatbot to support family mental health counseling services in Indonesia. The chatbot uses a deep neural network (DNN) to classify user questions into counseling intent categories and to provide appropriate responses. Psychologists compiled and verified a dataset of Indonesian counseling questions and responses, which was then pre processed using standard text processing techniques and encoded with a bag of words (BoW) representation. A fully connected DNN with one input layer, two hidden layers of eight neurons each, and a SoftMax output layer was trained using the Adam optimizer (learning rate 0.01) on 80% of the data and evaluated on the remaining 20%. The best configuration achieved a training accuracy of 96%, with test results of 93% accuracy, 92% precision, 93% recall, and 92% F1-score. These findings indicate that proposed DNN based chatbot can accurately classify counseling intents and generate contextually appropriate responses, suggesting its potential as complementary tool to support initial family mental health counseling in Indonesia.
Co-Authors Almahdi, Bardad Badieah Assegaf Basir, Mochamad Abdul Dedy Kurniadi Fajarini, Intan Putri Nur Ghufron ghufron, ghufron Hermawan, Hildan Mulyo Hidayat, Ilham Imam Much Ibnu Subroto Jupriyanto, Jupriyanto Lailatul Fitriyah M. Sholahuddin Maulida, Aina Nurul Maya Indriastuti Moch Taufik Mohamad Aminudin Muhammad Qomaruddin Munir, Abdulloh Mutamimah Mutamimah Nur'aini, Intan Pratama, Nirmala Putri Ratna Supradewi Saadah, Farikhatus Sam Farisa Chaerul Haviana Sri Mulyono Suyanto Suyanto Wahib, Muhammad Ainul