Article Per Year (5 Year)
p-Index From 2021 - 2026
2.266
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science J-SAKTI (Jurnal Sains Komputer dan Informatika) GERVASI: Jurnal Pengabdian kepada Masyarakat Jurnal Informatika Ekonomi Bisnis Journal of Applied Engineering and Technological Science (JAETS) Journal of Informatics Management and Information Technology J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence SAINSTEK Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal ICT : Information and Communication Technologies Jurnal Informatika Ekonomi Bisnis Pengabdian Cendekia
Daulay, Suandi
Sekolah Tinggi Teknologi Pekanbaru
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Analisis Performa Algoritma Machine Learning Untuk Identifikasi Depresi Pada Mahasiswa Fadhilla, Mutia; Wandri, Rizky; Hanafiah, Anggi; Rachmat Setiawan, Panji; Arta, Yudhi; Daulay, Suandi
Journal of Informatics Management and Information Technology Vol. 5 No. 1 (2025): January 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jimat.v5i1.473

Abstract

Mental health, especially depression, is a major issue among college students due to academic, social, and social media pressures. Depression detection faces challenges such as stigma, low literacy, and ineffective conventional methods. Machine learning technology offers solutions with algorithms such as Naive Bayes, SVM, and Random Forest to improve detection accuracy, support early intervention, and improve the student mental health system. Mental health, especially depression, is a major issue among college students due to academic, social, and social media pressures. Depression detection faces challenges such as stigma, low literacy, and ineffective conventional methods. Machine learning technology offers solutions with algorithms such as Naive Bayes, K-Nearest Neighbor, Decision Tree, Logistic Regression, Random Forest, and Support Vector Machine to improve detection accuracy, support early intervention, and improve the student mental health system. Based on the results of the performance analysis of the machine learning algorithm, the most effective model in predicting depression status in students is Logistic Regression which has an accuracy rate of 95.62%. As a strategic step, machine learning technology can be integrated for early diagnosis of depression in students. This system is expected to be more effective and efficient, improve diagnostic accuracy, and open up opportunities for new approaches to responsive, data-driven mental health.
Penggunaan Cloud Storage – Google Drive Sebagai Media Pembelajaran Bahasa Inggris Bagi Guru Amsa, Helfany; Mirfaturiqa, Mirfaturiqa; Nasution, Lukman Hakim; Rahmi, Rahmi; Daulay, Suandi
Pengabdian Cendekia Vol. 3 No. 1 (2025): Vol. 3 No 1 (Juni 2025) Membangun Kecendekian: Transformasi Melalui Pengabdian
Publisher : Indonesian Scholars Global Forum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63107/09b3cf11

Abstract

Kegiatan pelatihan ini diselenggarakan untuk membantu para pendidik anak usia dini dalam mengelola berbagai jenis dokumen pembelajaran secara digital. Kegiatan dilaksanakan di TK Ananda, Kabupaten Kampar, dengan pendekatan keterlibatan aktif guna memastikan setiap peserta memperoleh pengalaman praktik secara langsung. Pelatihan difokuskan pada pemanfaatan Google Drive sebagai media penyimpanan berbasis daring, mulai dari pembuatan akun email hingga pengelolaan dan penyimpanan dokumen. Proses pelaksanaan kegiatan mencakup tahapan perencanaan, pelaksanaan, pendampingan, dan evaluasi. Hasil kegiatan menunjukkan bahwa seluruh guru dapat mengikuti pelatihan dengan baik dan mampu mengaplikasikan keterampilan yang diperoleh dalam aktivitas pembelajaran sehari-hari.  
Optimalisasi Pengelolaan Data Sekolah Melalui Sistem Informasi Sekolah Berbasis Web dengan Pendekatan Agile Wandri, Rizky; Fadhilla, Mutia; Rachmat Setiawan, Panji; Daulay, Suandi; Hanafiah, Anggi; Fiqri Qurniawan, Dwi
SAINSTEK Vol. 13 No. 1 (2025)
Publisher : Sekolah Tinggi Teknologi Pekanbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35583/js.v13i1.327

Abstract

Perkembangan teknologi web dalam pengolahan administrasi di dunia pendidikan adalah fenomena yang semakin mencolok dalam beberapa tahun terakhir. Transformasi digital yang cepat menawarkan banyak manfaat bagi institusi pendidikan, memungkinkan pemrosesan informasi dan pengelolaan administrasi menjadi lebih efisien. Meskipun demikian, banyak lembaga pendidikan terus menggunakan proses semi-manual dengan perangkat lunak seperti Microsoft Word dan Excel, sehingga secara signifikan meningkatkan risiko kesalahan manusia. Penelitian ini menggunakan strategi pengembangan Agile untuk membuat sistem informasi sekolah berbasis web yang lebih efisien dan responsif terhadap kebutuhan pengguna. Hasil evaluasi menunjukkan bahwa sistem ini telah secara efektif meningkatkan efisiensi administrasi dan mencapai tingkat kepuasan pengguna sebesar 78,8%, yang menunjukkan keberhasilan implementasi metodologi Agile dalam lingkungan pendidikan. Dengan fleksibilitas dari agile memudahkan pengembang dalam perbaikan untuk meningkatkan persentase kepuasan nantinya. Sistem ini dapat memberikan solusi yang efisien untuk manajemen administrasi kegiatan sekolah.
Klastering Perbandingan Metode Machine Learning untuk Klastering Penerima Bantuan Pendidikan Siswa Gusmansyah, Rafly; Rahmaddeni; Rohid; Ahmad Rivaldi; Daulay, Suandi
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1139

Abstract

Penelitian ini membandingkan tiga algoritma clustering Fuzzy C-Means, K-Medoids, dan Hierarchical Clustering untuk mengelompokkan siswa sebagai calon penerima bantuan pendidikan berdasarkan data sosial. Data yang digunakan berasal dari MTsN 1 Kota Pekanbaru sebanyak 1.200 entri dan mencakup atribut seperti penghasilan orang tua, jumlah tanggungan, dan prestasi akademik. Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi data sebelum proses klasterisasi. Hasil evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index menunjukkan bahwa Fuzzy C-Means memberikan performa terbaik dengan nilai Silhouette 0.449 dan DBI 0.779. K-Medoids mencatatkan nilai Silhouette 0.436 dan DBI 0.787, sedangkan Hierarchical Clustering memperoleh Silhouette 0.405 dan DBI 0.790. Visualisasi hasil menunjukkan bahwa distribusi kategori siswa “Sangat Layak”, “Layak”, dan “Tidak Layak” paling proporsional dihasilkan oleh Fuzzy C-Means. Temuan ini mengindikasikan bahwa Fuzzy C-Means lebih efektif dalam menangani data sosial yang kompleks dan sesuai untuk digunakan sebagai basis sistem pendukung keputusan dalam seleksi penerima bantuan pendidikan.
Klasifikasi Komposisi Menu Makanan Olahan Terhadap Standar Gizi Balita Menggunakan Random Forest: Classification of Processed Food Menu Compositions Against Toddler Nutrition Standards Using Random Forest Rahmi, Rahmi; Herisnan, Diva Nabila; Daulay, Suandi; Rahmaddeni, Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2280

Abstract

Peningkatan kesadaran masyarakat akan pentingnya asupan gizi seimbang, khususnya pada anak usia dini, menjadi aspek krusial dalam upaya pencegahan malnutrisi dan masalah kesehatan terkait. Penelitian ini bertujuan untuk mengklasifikasikan komposisi menu makanan olahan terhadap standar gizi balita menggunakan pendekatan data mining dengan algoritma Random Forest. Dataset yang digunakan memuat kandungan nutrisi menu yang divalidasi terhadap standar Angka Kecukupan Gizi (AKG) untuk anak usia 1–5 tahun. Klasifikasi dilakukan ke dalam tiga kategori: seimbang, tidak seimbang, dan berlebihan. Penelitian melibatkan tahapan preprocessing data, feature selection, normalisasi, serta pelatihan model menggunakan Random Forest. Evaluasi menggunakan akurasi, presisi, recall, serta f1-score. Hasil pengujian diperoleh algoritma bahwa Random Forest menghasilkan kinerja terbaik dengan akurasi 90%. Dari 136 menu, 9 diklasifikasikan sebagai seimbang, 59 tidak seimbang, dan 68 berlebihan. Penelitian ini membuktikan jika algoritma Random Forest bisa dijadikan alat yang efektif dalam pemantauan gizi balita
Co-Authors Affandi, Egi Ahmad Rivaldi Amsa, Helfany Arif Marsal Devi Yuliana Eki Saputra Fadhilla, Mutia Fadrul Fadrul Fahlepi, Ridho Fiqri Qurniawan, Dwi Fitri Ayu Gusmansyah, Rafly Gusrio Tendra Hamzah, Muhammad Luthfi Hanafiah, Anggi Herisnan, Diva Nabila Herman Herman Jean Riko Kurniawan Putra Melyanti, Rika Mirfaturiqa, Mirfaturiqa Mona Fronita, Mona Nasution, Lukman Hakim Nuraisana, Nuraisana Perwira, Yuda Rachmat Setiawan, Panji Rahmaddeni Rahmaddeni Rahmi Rahmi Rahmi Rahmi Ramalia Noratama Putri Rinaldy Rinaldy Rizky Wandri Rohid Ulia Ulfa Wilda Susanti Wira Apriani Wira Apriani Yuda Perwira Yudhi Arta, Yudhi