Article Per Year (5 Year)
p-Index From 2021 - 2026
3.389
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Minfo Polgan (JMP) Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Pengabdian kepada Masyarakat Jurnal Pustaka Dianmas Journal of Technology and Computer (JOTECHCOM) JIPITI: Jurnal Pengabdian kepada Masyarakat International Journal of Educational Insights and Innovations (IJEDINS)
Ginting, Subhan Hafiz Nanda
Unknown Affiliation
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
DECISION SUPPORT SYSTEM ON STUDENTS CRITICAL THINKING SKILLS IN ICT BASED EDUCATIVE LEARNING Ginting, Subhan Hafiz Nanda; Ruziq, Fahmi; Wayahdi, M. Rhifky
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 7, No 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.2331

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji sistem pengambilan keputusan yang dirancang untuk mengevaluasi dan meningkatkan kemampuan berpikir kritis siswa dalam pembelajaran berbasis Teknologi Informasi dan Komunikasi (TIK). Seiring dengan berkembangnya teknologi di bidang pendidikan, kemampuan berpikir kritis menjadi salah satu kompetensi penting yang harus dimiliki oleh siswa. Sistem pengambilan keputusan ini menggunakan metode sistem pendukung keputusan (DSS) yang mengintegrasikan beberapa indikator kemampuan berpikir kritis, seperti analisis, interpretasi, evaluasi, dan inferensi. Data diperoleh melalui instrumen tes dan observasi pada siswa sekolah menengah yang terlibat dalam pembelajaran berbasis ICT. Penelitian ini menggunakan metode kuantitatif dengan pendekatan pseudo-eksperimental. Sampel penelitian berjumlah 120 siswa yang dibagi menjadi kelompok eksperimen dan kontrol. Kelompok eksperimen menggunakan sistem pengambilan keputusan berbasis ICT dalam proses pembelajaran, sedangkan kelompok kontrol menggunakan metode konvensional. Hasil penelitian menunjukkan bahwa penggunaan sistem pengambilan keputusan berbasis ICT secara signifikan meningkatkan kemampuan berpikir kritis siswa dibandingkan dengan metode konvensional. Sistem ini membantu guru dalam memantau kemajuan siswa dan memberikan umpan balik tepat waktu untuk meningkatkan efektivitas pembelajaran. Temuan ini menunjukkan bahwa penerapan teknologi dalam pembelajaran tidak hanya meningkatkan hasil akademik tetapi juga mengasah keterampilan kognitif siswa, khususnya kemampuan berpikir kritis. Dengan demikian, pengembangan lebih lanjut sistem ini diharapkan dapat mendukung penerapan kurikulum berbasis kompetensi yang menekankan pada pemanfaatan teknologi dalam pendidikan.
AI APPROACH TO PREDICT STUDENT PERFORMANCE (CASE STUDY: BATTUTA UNIVERSITY) Wayahdi, M. Rhifky; Ruziq, Fahmi; Ginting, Subhan Hafiz Nanda
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 7, No 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.2332

Abstract

Penelitian yang dilakukan menggunakan pendekatan kecerdasan buatan (AI) pada proses prediksi kinerja mahasiswa Universitas Battuta. Model kecerdasan buatan yang digunakan adalah model Random Forest. Penulis menggunakan tiga dataset berbeda dengan 300 pohon keputusan untuk proses pelatihan dan pengujian dengan model Random Forest dan melakukan uji coba dengan tiga variasi model. Model pertama (RF-1) menunjukkan akurasi yang tinggi yaitu sebesar 90%, sedangkan model kedua (RF-2) dan ketiga (RF-3) masing-masing memperoleh akurasi sebesar 89%. Matriks konfusi dan laporan klasifikasi (presisi, perolehan, dan skor f1) digunakan untuk mengevaluasi kinerja model kecerdasan buatan yang digunakan. Pada kategori “lulus”, ketiga model memiliki performa yang baik dengan presisi dan perolehan 90–95%. Pada kategori “distinction”, model pertama (RF-1) dan ketiga (RF-3) memiliki presisi dan recall yang lebih baik dibandingkan model kedua (RF-2). Sedangkan pada kategori “gagal”, model kedua (RF-2) menunjukkan performa yang sedikit lebih unggul dibandingkan model lainnya. Hasil penelitian ini menunjukkan bahwa model Random Forest mampu menghasilkan akurasi yang cukup tinggi dalam memprediksi kinerja siswa, yaitu berkisar 80–90%. Dengan demikian, model Random Forest merupakan metode yang cukup efektif untuk memprediksi kinerja siswa. Hasil ini diharapkan dapat digunakan oleh universitas untuk mengidentifikasi mahasiswa yang memerlukan intervensi dini dan meningkatkan strategi pembelajaran yang lebih efektif.
DIABETES PREDICTION BASED ON MEDICAL RECORDS (PIMA INDIANS DIABETES DATASET) USING K-NN Ruziq, Fahmi; Wayahdi, M. Rhifky; Ginting, Subhan Hafiz Nanda
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.2981

Abstract

Abstract: The development of predictive technologies, especially artificial intelligence (AI) and machine learning, has opened up great opportunities in the health sector, including early detection of chronic diseases such as diabetes. This study aims to implement the K-Nearest Neighbors (KNN) algorithm in predicting the likelihood of a person having diabetes based on medical record data from the Pima Indians Diabetes Dataset. The dataset consists of 768 samples with eight key health features. The analysis process includes data cleaning, data distribution exploration, and data preparation for the modelling process. The distance between data is calculated using the Euclidean formula, and normalization is performed so that all features have equal weight. The data was then divided into training and test data with a ratio of 80:20. The analysis results showed an unbalanced class distribution, with more non-diabetic patients than those with diabetes. The age group of 21-30 years dominates in the dataset. The implementation of KNN in this study shows that the method is effective for medical classification based on numerical data. This research demonstrates the potential of KNN as a practical and easy-to-implement early diagnosis tool in data-driven health systems. Keyword: K-Nearest Neighbors, diabetes prediction, machine learning, medical data, classification. Abstrak: Perkembangan teknologi prediktif, khususnya kecerdasan buatan (AI) dan pembelajaran mesin (machine learning), telah membuka peluang besar dalam bidang kesehatan, termasuk deteksi dini penyakit kronis seperti diabetes. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbors (KNN) dalam memprediksi kemungkinan seseorang menderita diabetes berdasarkan data rekam medis dari Pima Indians Diabetes Dataset. Dataset terdiri dari 768 sampel dengan delapan fitur kesehatan utama. Proses analisis meliputi pembersihan data, eksplorasi distribusi data, serta persiapan data untuk proses modeling. Jarak antar data dihitung menggunakan rumus Euclidean, dan dilakukan normalisasi agar seluruh fitur memiliki bobot yang seimbang. Data kemudian dibagi menjadi data latih dan uji dengan rasio 80:20. Hasil analisis menunjukkan distribusi kelas yang tidak seimbang, dengan jumlah pasien non-diabetes lebih banyak dibandingkan yang menderita diabetes. Kelompok usia 21–30 tahun mendominasi dalam dataset. Implementasi KNN dalam studi ini menunjukkan bahwa metode ini efektif digunakan untuk klasifikasi medis berbasis data numerik. Penelitian ini mendemonstrasikan potensi KNN sebagai alat bantu diagnosis awal yang praktis dan mudah diimplementasikan dalam sistem kesehatan berbasis data. Kata kunci: K-Nearest Neighbors, prediksi diabetes, machine learning, data medis,                     klasifikasi.
Co-Authors Affandi, Muhammad Mirza Kirana Darmayanti, Putri Dewi Wahyuni Dewi Wahyuni Fachry Abda El Rahman Hardianti, Eva Herdwiyani, Putri M. Rhifky Wayahdi Muhammad Kadafi Nuranisah Nuranisah Purwawijaya , Ellanda Rambe, Aripin ruziq, fahmi Singh , Bodhisatva Sridewi, Nurmala Surya Darma Thania , Sheila Try Zhang , Jiazhen