Article Per Year (5 Year)
p-Index From 2021 - 2026
4.542
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Jurnal Mahasiswa Statistik Journal of Innovation and Applied Technology International Journal of Advances in Intelligent Informatics BAREKENG: Jurnal Ilmu Matematika dan Terapan Proceeding Simposium Nasional Kelautan dan Perikanan Wave: Jurnal Ilmiah Teknologi Maritim Jurnal Abdi: Media Pengabdian Kepada Masyarakat Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Bima Abdi: Jurnal Pengabdian Masyarakat Komatika: Jurnal Pengabdian Kepada Masyarakat MATHunesa: Jurnal Ilmiah Matematika Pattimura Proceeding : Conference of Science and Technology Bakti Sekawan : Jurnal Pengabdian Masyarakat Jurnal Umum Pengabdian Masyarakat (JUPEMAS) Kenduri: Jurnal Pengabdian Dan Pemberdayaan Masyarakat Journal of Community Empowerment Journal of World Future Medicine, Health and Nursing
Danang Ariyanto
Universitas Negeri Surabaya
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
K-means optimization with bat algorithm for predicting diabetes and hypertension risk in athletes’ comparison with machine learning A'yunin Sofro; Danang Ariyanto; Junaidi Budi Prihanto; Dimas Avian Maulana; Riska Wahyu Romadhonia; Asri Maharani; Affi Oktaviarina; Ibnu Febry Kurniawan; Khusnia Nurul Khikmah; Muhammad Mahdy Al Akbar
International Journal of Advances in Intelligent Informatics Vol 11, No 4 (2025): November 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i4.1816

Abstract

This research aims to develop an analytical approach to classification statistics. The proposed approach combines machine learning with optimization. Considering the urgency of research related to exploring the best methods to apply to sports data. This study proposes a novel framework that combines the k-means clustering results with the bat algorithm to optimize performance prediction for athletes in Indonesia. The proposed method aims to explore the data by comparing the classification performance of random forests, extremely randomized trees, and support vector machines. We conducted a case study using primary data from 200 respondents at Surabaya State University and the East Java National Sports Committee. The accuracy results in this study indicate that, based on the performance evaluation metric, the best approach is random forest clustering using k-means with bat algorithm optimization, achieving 81.25% accuracy, compared with other machine learning approaches. This research contributes to the field of classification statistics by introducing a novel hybrid framework that integrates machine learning, clustering, and optimization techniques to improve predictive accuracy, particularly in sports analytics. Beyond sports science, the proposed approach can be adapted to other domains that require robust performance prediction and decision support, such as health analytics, educational assessment, and human resource selection.
ANALISIS SPASIAL TEMPORAL INDEKS KETAHANAN PANGAN MENGGUNAKAN GEOGRAPHICALLY TEMPORALLY WEIGHTED REGRESSION DAN KLASTER FUZZY DI NUSA TENGGARA TIMUR Atiek Iriany; Nabila Ayunda Sovia; Wigbertus Ngabu; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p9-17

Abstract

Ketahanan pangan di Indonesia masih menghadapi tantangan serius akibat ketimpangan sosial-ekonomi dan infrastruktur antarwilayah yang berfluktuasi antarperiode. Provinsi Nusa Tenggara Timur (NTT) menjadi contoh nyata, dengan capaian Indeks Ketahanan Pangan (IKP) antar kabupaten/kota menunjukkan variasi signifikan pada periode 2018–2022. Penelitian ini bertujuan menganalisis pengaruh faktor sosial-ekonomi dan infrastruktur terhadap IKP dengan mempertimbangkan heterogenitas spasial-temporal. Metode yang digunakan adalah Geographically and Temporally Weighted Regression (GTWR) untuk menangkap dinamika pengaruh variabel pada dimensi ruang dan waktu, serta Fuzzy C-Means untuk mengelompokkan wilayah berdasarkan pola pembangunan. Hasil penelitian menunjukkan bahwa Angka Partisipasi Sekolah (APS) berpengaruh negatif signifikan terhadap IKP, PDRB per kapita berpengaruh positif meskipun terbatas, akses air minum layak berfluktuasi, sedangkan rasio elektrifikasi konsisten berpengaruh positif signifikan. Analisis Fuzzy C-Means menghasilkan tiga klaster utama: (1) wilayah dengan APS sedang dan IKP relatif tinggi, (2) wilayah dengan APS tinggi namun IKP menengah hingga rendah, dan (3) wilayah dengan APS rendah dan IKP rendah yang merepresentasikan daerah tertinggal. Temuan ini menegaskan bahwa pembangunan di NTT masih menghadapi ketimpangan spasial-temporal, sehingga kebijakan tidak dapat bersifat seragam melainkan harus disesuaikan dengan karakteristik lokal.
AI-Driven Diagnostic Imaging: Enhancing Early Cancer Detection Through Deep Learning Models Danang Ariyanto; Napat Chai; Pong Krit
Journal of World Future Medicine, Health and Nursing Vol. 3 No. 6 (2025)
Publisher : Yayasan Adra Karima Hubbi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70177/health.v3i6.2369

Abstract

Early detection is critical for improving cancer survival rates, yet the interpretation of diagnostic images is subject to human error and variability. Artificial intelligence (AI), specifically deep learning, presents a transformative opportunity to enhance diagnostic accuracy and speed. This study aimed to develop and validate a deep learning model to improve the accuracy and efficiency of early-stage cancer detection in radiological images compared to human expert interpretation. A convolutional neural network (CNN) was trained and validated on a curated dataset of over 20,000 mammography images. The model's diagnostic performance was rigorously evaluated using key metrics, including accuracy, sensitivity, specificity, and the area under the receiver operating characteristic curve (AUC), against a biopsy-verified ground truth. The AI model achieved an overall accuracy of 97.2%, with a sensitivity of 98.1% and a specificity of 96.5%. The model's performance, with an AUC of 0.98, was comparable to that of senior radiologists and significantly reduced false-negative rates. AI-driven deep learning models are highly effective and reliable tools for augmenting diagnostic imaging. They can significantly enhance early cancer detection, reduce diagnostic errors, and serve as a powerful assistive tool for radiologists in clinical practice.
Digital Literacy Mentoring and Basic Visual Programming for Indonesian Diaspora Children at Sanggar Belajar PERMAI, Penang, Malaysia Danang Ariyanto; Yuliani Puji Astuti; Affiati Oktaviarina; Riskyana Dewi Intan Puspitasari; Dinda Galuh Guminta; Yuni Rosita Dewi; Dimas Avian Maulana
KENDURI : Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol. 6 No. 2 (2026): May-August
Publisher : Yayasan Darussalam Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62159/kenduri.v6i2.2472

Abstract

Digital literacy and basic programming skills are important competencies that need to be introduced from an early age, particularly for children who are increasingly exposed to digital technology and online learning environments. This community service activity aimed to provide digital literacy mentoring and introduce basic visual programming to Indonesian diaspora children at Sanggar Belajar PERMAI, Penang, Malaysia. The program was conducted online through Zoom Meeting on December 23, 2025, by a team from the Faculty of Mathematics and Natural Sciences, Universitas Negeri Surabaya, in collaboration with Sanggar Belajar PERMAI. The activity was implemented using a participatory mentoring approach supported by a learning module prepared by the team. The materials covered digital literacy, computational thinking, basic programming logic, sequence, loops, and debugging through visual block-based activities using studio.code.org as a supporting learning platform. The evaluation was conducted qualitatively through observation of participant engagement, interaction, ability to follow instructions, and completion of visual programming challenges. The results showed that participants were able to understand basic programming logic through daily life analogies and visual activities. Participant engagement also increased gradually during the session, especially when they worked on game-based programming challenges. Although the online format limited individual monitoring and direct interaction, the activity remained interactive and was supported by facilitators and parents. This program contributed to expanding access to child-friendly technology learning and strengthening participants’ digital awareness, logical thinking, confidence, and problem-solving skills.
PEMODELAN PREVALENSI PENYAKIT DIARE BALITA MENGGUNAKAN REGRESI ROBUST DI PROVINSI JAWA TIMUR Ninda Kartika Putri; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p343-355

Abstract

Regresi linear berganda merupakan salah satu metode statistik yang digunakan dalam analisis regresi linier berganda untuk memodelkan dan menyelidiki hubungan antar satu variabel dependen dan dua atau lebih variabel independen. Pendugaan parameter pada analisi regresi linier berganda umumnya menggunakan Metode Kuadrat Terkecil (MKT). Namun, metode ini memiliki asumsi kenormalan galat yang seringkali tidak terpenuhi apabila terdapat pencilan (outlier) dalam data. Regresi robust merupakan metode yang efisien untuk menganalisis data yang mengandung outlier. Penelitian ini bertujuan untuk mengetahui adanya outlier yang mengganggu persamaan regresi linear berganda, mengetahui hasil estimasi regresi robust dengan metode Estimator M (Maximum Likelihood Type), Estimator S (Scale Type), dan Estimator LMS (Median Least Square Type) serta mengetahui perbandingan antara ketiga estimasi regresi robust berdasarkan nilai AIC (Akaike Information Criterion). Data yang digunakan dalam penelitian ini, data prevalensi penyakit diare di Provinsi Jawa Timur tahun 2024, data lain meliputi vitamin A, penduduk miskin, posyandu dan sarana air minum. Berdasarkan hasil penelitian dan pembahasan untuk mengatasi outlier dan juga untuk mengetahui perbandingan hasil estimasi M, estimasi S dan estimasi LMS dapat disimpulkan bahwa diperoleh model regresi robust estimasi LMS memiliki nilai AIC terbaik dibandingkan model lainnya
PEMODELAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION DENGAN PEMBOBOT FIXED KERNEL GAUSSIAN DAN BISQUARE PADA JUMLAH KASUS TUBERKULOSIS DI JAWA TENGAH Safinaz Berkhafi Jannah Jannah; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p602-610

Abstract

Tuberkulosis (TBC) merupakan penyakit menular akibat bakteri Mycobacterium Tuberculosis dan masih menjadi masalah kesehatan global yang serius, di mana Indonesia menempati peringkat kedua dengan jumlah kasus tertinggi di dunia. Provinsi Jawa Tengah merupakan wilayah dengan jumlah kasus TBC tertinggi ketiga di Indonesia. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang memengaruhi jumlah kasus TBC di Jawa Tengah tahun 2024. Data jumlah kasus TBC merupakan data count yang mengalami overdispersi sehingga regresi Poisson tidak sesuai dan digantikan dengan regresi Negative Binomial. Untuk menangkap variasi pengaruh antar wilayah, model dikembangkan menggunakan pendekatan spasial Geographically Weighted Negative Binomial Regression (GWNBR) dengan fungsi pembobot Fixed Kernel Gaussian dan Bisquare. Variabel prediktor yang digunakan meliputi persentase sarana air minum aman, jumlah puskesmas, dan persentase sanitasi layak. Hasil analisis menunjukkan adanya perbedaan karakteristik faktor risiko antar wilayah, dan berdasarkan nilai Akaike Information Criterion (AIC), model GWNBR dengan Fixed Gaussian Kernel merupakan model terbaik, dengan pengelompokan wilayah menghasilkan tujuh kelompok kabupaten/kota.
ANALISIS FAKTOR YANG MEMPENGARUHI PREVALENSI STUNTING DI JAWA TENGAH MENGGUNAKAN SPATIAL DURBIN MODEL (SDM) Silvia Eka; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p631-641

Abstract

Stunting menjadi salah satu tantangan kesehatan masyarakat yang paling mendesak di Indonesia. Dengan tingginya jumlah kasus dan kondisi geografis serta sosial ekonomi yang beragam, provinsi Jawa Tengah menjadi fokus menarik untuk diteliti. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi prevalensi stunting di Provinsi Jawa Tengah tahun 2024 dengan menggunakan metode Spatial Durbin Model (SDM) dengan pembobot Queen dan Rook Contiguity. Hasil penelitian menunjukkan bahwa model SDM dengan pembobot Queen Contiguity lebih baik dibandingkan dengan pembobot Rook Contiguity dengan nilai R2 sebesar 0,52257 dan nilai AIC yaitu 195,71. Analisis variabilitas menunjukkan bahwa BBLR (x7) merupakan variabel yang berpengaruh signifikan terhadap prevalensi stunting. Hal ini menunjukkan bahwa hubungan antara faktor yang berpengaruh dan prevalensi stunting berbeda antar kabupaten/kota, sehingga pendekatan menggunakan spasial relevan. Kata Kunci: Prevalensi stunting, Spatial Durbin Model, Queen Contiguity, Rook Contiguity, Analisis Spasial
PEMODELAN KASUS PNEUMONIA PADA BALITA DI JAWA TIMUR MENGGUNAKAN REGRESI SPATIAL AUTOREGRESSIVE (SAR) Mona Triwulandari; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p622-630

Abstract

Pneumonia merupakan penyebab utama kematian pada anak balita. Di Provinsi Jawa Timur, terdapat variasi persentase kasus pneumonia pada balita yang dipengaruhi oleh berbagai faktor. Selain itu, diduga terjadi akibat interaksi antara wilayah. Oleh karena itu, untuk memahami faktor-faktor yang mempengaruhi penyakit pneumonia pada balita serta hubungan antar daerah, digunakan pemodelan regresi Spatial Autoregressive (SAR) dengan memanfaatkan metode Maximum Likelihood Estimation (MLE). Model Spatial Autoregressive (SAR) merupakan metode yang efektif untuk memodelkan penyakit pneumonia pada balita dengan mempertimbangkan faktor-faktor seperti balita gizi buruk, balita yang mendapatkan vitamin A, jumlah puskesmas, rumah tangga yang memiliki akses sanitasi layak, cakupan imunisasi dasar lengkap, pemberian ASI eksklusif, serta kepadatan penduduk dengan memperhatikan aspek spasial. Hasil penelitian ini menunjukkan bahwa terdapat dua variabel prediktor yang berpengaruh secara signfikan terhadap variabel respon yaitu jumlah puskesmas dan persentase pemberian ASI eksklusif . Kata Kunci: Pneumonia, Spatial Autoregressive (SAR), Maximum Likelihood Estimation (MLE), balita.
Pemodelan Jumlah Kasus HIV di Provinsi Jawa Timur Menggunakan Regresi Binomial Negatif Ichsan Maulana; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p490-499

Abstract

Kasus Orang dengan HIV (ODHIV) di Jawa Timur tetap tinggi dan belum menunjukkan penurunan signifikan, sehingga diperlukan pemodelan statistik yang akurat untuk langkah preventif. Penelitian ini bertujuan membangun model regresi binomial negatif dan menganalisis faktor-faktor yang memengaruhi jumlah kasus ODHIV. Pendekatan penelitian yang digunakan adalah kuantitatif dengan desain analisis regresi binomial negatif untuk mengatasi masalah overdispersi pada data cacah. Lokasi penelitian mencakup 38 kabupaten/kota di Provinsi Jawa Timur menggunakan data tahun 2024. Sumber data diperoleh secara sekunder dari Dinas Kesehatan Provinsi Jawa Timur dan Badan Pusat Statistik (BPS). Teknik analisis data melibatkan pengujian asumsi overdispersi, estimasi parameter model, dan uji signifikansi. Hasil penelitian menunjukkan bahwa terdapat empat faktor yang berpengaruh signifikan terhadap jumlah kasus ODHIV, yaitu jumlah pernikahan, rata-rata lama sekolah, tingkat pengangguran terbuka, dan kepadatan penduduk. Simpulan penelitian menegaskan bahwa faktor demografi dan sosial-ekonomi berperan penting dalam penyebaran kasus di Jawa Timur. Disarankan bagi penelitian selanjutnya untuk mempertimbangkan variabel yang lebih spesifik pada level individu, seperti penggunaan NAPZA, orientasi seksual, dan perilaku berisiko lainnya guna memperdalam akurasi model prediktif. Kata kunci: ODHIV, Regresi Binomial Negatif, Overdispersi, Jawa Timur
PERBANDINGAN MODEL REGRESI ZERO-INFLATED POISSON (ZIP) DAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) TERHADAP KASUS DIFTERI DI PROVINSI JAWA TIMUR TAHUN 2024 Ismachul Diana Masruroh; Danang Ariyanto
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p423-431

Abstract

Kasus difteri merupakan salah satu permasalahan kesehatan masyarakat yang masih menjadi perhatian di Indonesia, khususnya di Provinsi Jawa Timur. Data kasus difteri tahun 2024 menunjukkan karakteristik berupa banyaknya nilai nol (excess zeros) dan adanya overdispersi, sehingga model regresi Poisson tidak lagi sesuai untuk digunakan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan model regresi Zero-Inflated Poisson (ZIP) dan Zero-Inflated Negative Binomial (ZINB) dalam memodelkan kasus difteri serta menentukan model terbaik berdasarkan kriteria Akaike’s Information Criterion (AIC). Data yang digunakan merupakan data sekunder kasus difteri di 38 Kabupaten/Kota di Provinsi Jawa Timur tahun 2024, dengan variabel prediktor meliputi persentase pemberian ASI eksklusif, persentase balita dipantau pertumbuhan dan perkembangan, persentase pelayanan kesehatan bayi, dan persentase imunisasi DPT-HB-Hib3. Hasil analisis menunjukkan bahwa data memiliki excess zeros sebesar 76,32% dan mengalami overdispersi dengan nilai dispersi sebesar 1,441615 (>1). Hasil pemodelan menunjukkan bahwa variabel persentase pelayanan kesehatan bayi dan persentase imunisasi DPT-HB-Hib3 berpengaruh signifikan terhadap jumlah kasus difteri. Berdasarkan perbandingan nilai AIC, model Regresi Zero-Inflated Poisson (ZIP) menghasilkan nilai AIC yang lebih kecil dibandingkan model Regresi Zero-Inflated Negative Binomial (ZINB), sehingga dipilih sebagai model terbaik dalam memodelkan kasus difteri di Provinsi Jawa Timur tahun 2024. Penelitian ini diharapkan dapat menjadi referensi dalam pemilihan model statistik yang tepat untuk data kesehatan dengan karakteristik excess zeros dan overdispersi guna mendukung pengambilan kebijakan pengendalian penyakit yang lebih akurat. Kata kunci: Difteri, Zero-Inflated Poisson (ZIP), Zero-Inflated Negative Binomial (ZINB), excess zeros, overdispersi, AIC
Co-Authors A'yunin Sofro Achmad Efendi Adiprahara, Mirwa Anggarani Affi Oktaviarina AFFIATI OKTAVIARINA Agung Sugeng Widodo Annisa Nur Afifah Kusuma Sayekti Arditama Putra Rochmanullah Asri Maharani Atiek Iriany A’yunin Sofro Bambang Dwi Argo Chai, Napat Dhanny Septimawan Sutopo Dian Cahya Cahya Rini Dian Cahya Rini Dinda Galuh Guminta Elok Waziiroh Endah Budi Rahaju Fida Rachmadiarti Hanifah, A’idah Nur Henny Pramoedyo Henny Pramoedyo Ibnu Febry Kurniawan Ichsan Maulana Ismachul Diana Masruroh Junaidi Budi Prihanto Khikmah, Khusnia Nurul Khumairo, Nabilatul Khusnia Nurul Khikmah Krit, Pong Marhen Andan Prasetyo Maulana, Dimas Avian Mitakda, Maria Bernadetha Moh. Fadli Mona Triwulandari Muhamad Firdaus Muhammad Mahdy Al Akbar Mutia Eva Mustafidah Nabila Ayunda Sovia Napat Chai Ni Wayan Surya Wardhani Ni Wayan Surya Wardhani NI WAYAN SURYA WARDHANI Ninda Kartika Putri Nofriyadi, Rizki Nonik Indrawatingsih Novi Nur Aini Novi Nur Aini, Novi Nur Permata, Reny Amalia Pong Krit Prihanto, Junaidi Budi Purnama, Erlix Rakhmad Purnama, Mohammad Dian Purnomo, Aris Rudi Redi Bintarto Riani, Rosalina Agista Ridlo, Mahmuddin Riska Wahyu Romadhonia Riskyana Dewi Intan Puspitasari Romadhonia, Riska Wahyu Romi Setiawan Safinaz Berkhafi Jannah Jannah Sapto Wiratno Satoto sihabudin sihabudin Silvia Eka Sofro, A'yunin Sofro, A’yunin Solimun Solimun Sukamto, Ika Sumiyarsi Wigbertus Ngabu Yana Shanti Yuliani Puji Astuti Yuni Rosita Dewi Yurizka Melia Sari Zatadini, R. A. Diva