Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal CoreIT Buana Information Technology and Computer Sciences (BIT and CS) SIENNA PEDAMAS (Pengabdian Kepada Masyarakat)
Novianto, Roby
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Energy Engineering Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences

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

Found 4 Documents
Search

 1 
Implementation of Orange Data Mining to Predict Student Graduation on Time at Pringsewu Muhammadiyah University Novianto, Roby; Triraharjo, Bambang; Baskoro
Buana Information Technology and Computer Sciences (BIT and CS) Vol 5 No 1 (2024): Buana Information Technology and Computer Sciences (BIT and CS)
Publisher : Information System; Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/bit-cs.v5i1.6073

Abstract

Thel prolcelss olf molnitolring and elvaluating thel graduatioln olf Muhammadiyah Pringselwu Univelrsity (UMPRI) studelnts relally nelelds tol bel dolnel belcausel thel studelnt graduatioln ratel is an ellelmelnt olf accrelditatioln asselssmelnt that is velry impolrtant folr elach Study Prolgram. Data Mining can bel useld tol classify studelnt graduatioln accuracy. This study aims tol apply thel olrangel data mining applicatioln using thel K-Nelarelst Nelighbolr (K-NN), Delcisioln Trelel and Naivel Bayels moldells and will theln elvaluatel thel accuracy olf elach olf thelsel moldells. This relselarch was colnducteld at Pringselwu Muhammadiyah Univelrsity in selvelral batchels, theln studelnt data will bel analyzeld using thel olrangel data mining applicatioln using thel K-NN, Delcisioln Trelel and Naivel Bayels moldells. Thel data telsting prolcelss appliels K-Folld Crolss Validatioln (K=5), whilel thel elvaluatioln moldell useld is thel Colnfusioln Matrix and ROlC. Thel relsults olf thel colmparisoln olf thel threlel moldells arel as folllolws, K-NN has an accuracy ratel olf 75.7%, Delcisioln Trelel has an accuracy ratel olf 78.1%, and Naivel Bayels has an accuracy ratel olf 77.8%. Thelrelfolrel, folr classifying thel graduatioln ratel olf Muhammadiyah Univelrsity studelnts, Pringselwu relcolmmelnds thel Delcisioln Trelel moldell belcausel it has a belttelr lelvell olf accuracy than K-NN and Naivel Bayels.
PENDAMPINGAN IMPLEMENTASI ARTIFICIAL INTELEGENCE (AI) UNTUK PEMBUATAN PERANGKAT DAN BAHAN AJAR DI SD MUHAMMDIYAH PRINGSEWU Sonianto; Fatoni; Novianto, Roby; Wicaksono, Erlangga; Setio, Agung; Muawanah, Risalatul
PEDAMAS (PENGABDIAN KEPADA MASYARAKAT) Vol. 3 No. 01 (2025): JANUARI 2025
Publisher : MEDIA INOVASI PENDIDIKAN DAN PUBLIKASI

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

Abstract

Pengabdian ini bertujuan memberikan pemahaman teoritis dan praktik kepada para guru di lingkungan Sekolah Dasar (SD) Muhammadiyah Pringsewu tentang penggunaan Artificial Intelegence (AI) untuk pembuatan perangkat dan bahan ajar. Selain itu, para guru juga dibekali tentang peran, fungsi, dan etika penggunaan AI dalam mendukung kinerja para guru, sehingga mampu mendayagunakan teknologi informais khusus AI dengan bijak dan optimal. Pengabdian dilakukan dengan metode pendampingan praktik langsung, para peserta diminta mempraktikan AI yang berkaitan dengan kegiatan pembelajaran sehari-hari dikelas. Hasilnya, para guru memahami dan menerapkan berbagai macam tool AI yang relevan dengan tugas dan proses pembelajaran yang dilakukan di kelas. Dari hasil post-test yang dilakukan diakhir kegiatan, sebanyak 73% peserta menyatakan telah mampu menggunakan tools AI untuk berbagai keperluan bahan ajar, sedangkan 27% menyatakan perlu belajar kembali. Selain itu, sebanyak 100% peserta menyatakan bahwa tools AI yang diperkenalkan selama proses pendampingan dipandang layak dan relevan untuk diterapkan untuk pembuatan bahan ajar dan kegiatan pembelajaran di kelas.
Aplikasi E-Kelurahan untuk Peningkatan Pelayanan Administrasi dalam Mendukung Penerapan E-Governmen Baskoro; Novianto, Roby; Priambudi, Bagus
Sienna Vol 6 No 1 (2025): Sienna Volume 6 Nomor 1 Juli 2025
Publisher : LPPM Universitas Muhammadiyah Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47637/sienna.v6i1.1882

Abstract

Perkembangan teknologi informasi telah membawa transformasi signifikan dalam berbagai aspek kehidupan, termasuk pelayanan administrasi publik. Aplikasi E-Kelurahan hadir sebagai solusi untuk meningkatkan efisiensi, transparansi, dan partisipasi masyarakat dalam pelayanan administrasi di tingkat desa. Penelitian ini bertujuan untuk menganalisis penerapan aplikasi E-Kelurahan di Kantor Pekon Yogyakarta Selatan, Gadingrejo, Pringsewu, dalam mendukung implementasi e-government. Metode penelitian yang digunakan adalah kualitatif dengan pendekatan studi kasus, yang meliputi tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi ini dikembangkan menggunakan teknologi MySQL, PHP, Laravel, dan Visual Studio Code, yang memungkinkan pengelolaan data administrasi dan kependudukan secara terintegrasi. Hasil penelitian menunjukkan bahwa aplikasi E-Kelurahan berhasil meningkatkan efisiensi pelayanan administrasi, transparansi informasi, dan partisipasi masyarakat. Meskipun demikian, tantangan seperti keterbatasan infrastruktur internet dan kesiapan sumber daya manusia masih perlu diatasi. Aplikasi ini diharapkan dapat menjadi referensi bagi pemerintah desa lainnya dalam mengadopsi teknologi untuk meningkatkan kualitas pelayanan publik dan mendorong transformasi digital di tingkat desa.
Comparison Of The Performance Of K-Nearest Neighbors And Naive Bayes Algorithms For Stroke Disease Prediction baskoro, baskoro; Novianto, Roby; Triraharjo, Bambang
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 11, No 2 (2025): December 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/coreit.v11i2.37542

Abstract

Purpose: Stroke is a critical global health issue requiring early and accurate prediction to mitigate severe outcomes. This study aims to compare the performance of the K-Nearest Neighbors (KNN) and Naive Bayes algorithms in predicting stroke disease, addressing the challenge of imbalanced datasets and improving prediction accuracy for better clinical decision-making.Methods/Study design/approach: The research followed the CRISP-DM model, utilizing a dataset of 5,110 patient records with 12 attributes from Kaggle. Data preprocessing included handling missing values and normalization. The KNN and Naive Bayes algorithms were implemented using RapidMiner, with performance evaluated through cross-validation, confusion matrices, and ROC-AUC curves.Result/Findings: The KNN algorithm achieved an accuracy of 94.50%, but exhibited low precision (7.89%) and recall (1.20%) for stroke-positive cases due to dataset imbalance. Naive Bayes yielded an accuracy of 88.83% with an AUC of 0.767, demonstrating better probability modeling but similar challenges in minority class detection. Both algorithms highlighted the impact of data imbalance on predictive performance.Novelty/Originality/Value: This study provides a comparative analysis of KNN and Naive Bayes for stroke prediction, emphasizing the need for data balancing and optimization techniques. The findings underscore the potential of these algorithms in healthcare applications while suggesting future improvements through ensemble methods or alternative algorithms like Random Forest.
Co-Authors Baskoro Baskoro Baskoro, Baskoro Fatoni Muawanah, Risalatul Priambudi, Bagus Setio, Agung Sonianto Sonianto Triraharjo, Bambang Wicaksono, Erlangga