Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Innovative: Journal Of Social Science Research The Indonesian Journal of Computer Science
Rahmansyah, Nugraha
Unknown Affiliation
Humanities Computer Science & IT Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementation of the VIKOR Method and Analytical Hierarchy Process (AHP) in Prioritizing the Recipients of Uninhabitable House Assistance Funds (RTLH)” Armonitha, Shary; Rahmansyah, Nugraha
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3665

Abstract

Uninhabitable House (RTLH) is one of the social problems often faced by the community. Funding programs for RTLH repairs are important to improve the quality of life and housing conditions of the underprivileged. However, with limited resources, prioritizing the receipt of RTLH funds is a challenge. In this study, two effective multi-criteria decision-making methods, VIKOR Method and Analytical Hierarchy Process (AHP), are implemented to prioritize the receipt of RTLH funds. The combination of these two methods is expected to provide more accurate and accountable results. It is hoped that this research can provide a more holistic and objective method in prioritizing the receipt of RTLH assistance funds. The integration of the VIKOR Method and AHP can provide benefits in making similar decisions in other social and humanitarian fields, as well as helping the government and related institutions in allocating resources more efficiently and fairly. The results of this research are expected to help decision makers prioritize the receipt of RTLH funds objectively and fairly, by considering various relevant criteria.
Rancangan Sistem Parkir Bawah Tanah Otomatis Dengan Menggunakan Sensor Sidik Jari : RANCANGAN SISTEM Afira, Riandana; Yani, Zulfitri; Prawiro, Radius; Jamhur, Annisak Izzaty; Rahmansyah, Nugraha
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.13101

Abstract

Penelitian menggunakan sensor sidk jari ini bertujuan untuk menghasilkan sistem otomatis dalam memasukkan mobil ke dlam area parkir bawah tanah. Pemicu penelitian ini adalah karena terbatasnya area parkir dan biaya yang mahal untuk membangun lahan parkir tradisional. Sistem ini menggunakan komponen-komponen seperti arduino yang digunakan sebagai pengendali proses, sensor ultrasonic digunakan untuk mendeteksi mobil, sensor fingerprintd digunakan untuk mengidentifikasi pemilik mobil, sensor TCS digunakan untuk membaca uang, motor servo untuk mengoperasikan portal, dan printer mini untuk mencetak struk. Dengan adanya  penelitian ini menunjukkan bahwa alat yang dibuat dapat berfungsi dengan baik dan siap digunakan di lokasi yang diinginkan.
Analisa Prediksi Penyakit Diabetes Menggunakan Metode Naive Bayes dan K-NN Rahmansyah, Nugraha; Lusinia, Shary Armonitha; Ilmawati, Ilmawati
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.17737

Abstract

Diabetes mellitus adalah salah satu penyakit kronis yang semakin umum di dunia termasuk di Indonesia. Mendeteksi penyakit ini sejak dini sangatlah penting untuk mencegah munculnya komplikasi serius. Penelitian ini dilakukan untuk menganalisis prediksi penyakit diabetes menggunakan dua metode pembelajaran mesin, yaitu Naïve Bayes dan K-Nearest Neighbor (KNN). Naïve Bayes dikenal sebagai metode klasifikasi yang sederhana namun efektif berdasarkan probabilitas, sementara KNN merupakan metode klasifikasi berbasis instance yang menggunakan kedekatan data dengan data yang sudah ada. Dataset yang digunakan mencakup 8 atribut kesehatan, seperti usia, jenis kelamin, hipertensi, penyakit jantung, riwayat merokok, BMI, kadar HbA1c, dan kadar glukosa darah, dengan label target berupa status diabetes (1 untuk diabetes, 0 untuk non-diabetes). Tahapan tersebut mencakup pengolahan awal data, seperti mengisi nilai kosong, menormalisasi atribut numerik, dan mengkode atribut kategori. Naïve Bayes memanfaatkan distribusi probabilitas, sedangkan KNN mengelompokkan data berdasarkan jarak ke tetangga terdekat. KNN lebih baik digunakan untuk dataset dengan pola yang rumit, sementara Naïve Bayes lebih efisien dalam hal komputasi
Co-Authors Afira, Riandana Armonitha, Shary Ilmawati, Ilmawati Jamhur, Annisak Izzaty Lusinia, Shary Armonitha Prawiro, Radius Yani, Zulfitri