Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Dinamik CYBERNETICS Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Teknologi dan Sistem Informasi Journal Social Science And Technology For Community Service Cakrawala: Jurnal Pengabdian Masyarakat Global Journal of Artificial Intelligence and Technology Information
Erliyan Redi Susanto
Universitas Teknokrat Indonesia
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
MODEL DESA CERDAS DALAM PELAYANAN ADMINISTRASI (STUDI KASUS: DESA KOTABARU BARAT KECAMATAN MARTAPURA KABUPATEN OKU TIMUR) Dian Anisa Martadala; Neneng Neneng; Erliyan Redi Susanto; Imam Ahmad
Jurnal Teknologi dan Sistem Informasi Vol 2, No 2 (2021): Volume 2 No. 2 Juni 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i2.1004

Abstract

Pada saat ini mekanisme pelayanan administrasi kependudukan di Kantor Desa Kotabaru Barat masih menggunakan cara konvensional yang menyebabkan proses pencatatan dan pembuatan administrasi kependudukan membutuhkan waktu yang cukup lama, sering terjadinya antrian, ketidakpastian selesainya layanan yang tertunda pada hari-hari berikutnya juga sering terjadi sehingga berdampak pada munculnya biaya yang harus dikeluarkan oleh masyarakat dikarenakan lebih dari satu kali ke tempat pelayanan. Tujuan dari penelitian ini adalah merancang administrasi kependudukan dengan menggunakan perangkat teknologi informasi sebagai langkah awal pengembangan desa cerdas. Perancangan model desa cerdas untuk pelayanan administrasi kependudukan pada Kantor Desa Kotabaru Barat menggunakan metode prototype. Pengujian sistem dilakukan dengan menggunakan metode pengujian ISO 25010 meliputi 6 (enam) karakteristik utama dari ISO 25010, yaitu Functional Suitability, Reliability, Performance Efficiency, Usability, Maintainbility dan Portability. Perancangan sistem menggunakan UML (Unified Modeling Language) dengan masing-masing diagram yaitu use case diagram, activity diagram  dan class diagram. Dari perhitungan yang dilakukan menggunakan Skala Likert memperoleh hasil 83,99%. Maka dapat disimpulkan bahwa perancangan sistem ini dinyatakan sangat baik untuk digunakan dan layak untuk di implementasikan.Kata Kunci: Administrasi Kependudukan, Desa Cerdas, Prototype, ISO 25010.
PENERAPAN WEBSITE DESA KUNJIR KECAMATAN RAJA BASA Damayanti Damayanti; Rusliyawati Rusliyawati; Erliyan Redi Susanto; Arief Budiman; Dian Novita; Ayu Febriani Bahtiar; Anton Mahendra
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 3, No 1 (2022): Volume 3, Nomor 1, 2022
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v3i1.1808

Abstract

Akibat adanya pandemi COID-19 ini membuat masyarakat terhambat dalam menjalankan aktivitas salah satunya memperoleh informasi ke perangkat desa. Selain itu pandemi COVID-19 telah melumpuhkan aktivitas-aktivitas pertumbuhan perekonomian pembanguna desa. Desa wisata Kunjir merupakan salah satu desa yang terletak di Lampung Selatan. Desa Kunjir memiliki potensi pertumbuhan perekonomian dibidang pariwisata. Potensi di desa Kunjir ini belum banyak diketahui oleh berbagai wisatawan. Analisis permasalahan yang ditemukan oleh tim pengabdi yaitu belum adanya website untuk menyebarkan informasi tentang desa Kunjir. Tim pengabdi melakukan PKM ini dengan membuat website di desa Kunjir agar website dapat mengenalkan desa Kunjir dengan berbagai informasi mengenai potensi di desa Kunjir yang bertujuan untuk membangkitkan perekonomian yang ada di desa Kunjir.  Website ini merupakan upaya mengenalkan atau penyebaran informasi tentang desa Kunjir dengan memanfaatkan penyebaran informasi melalui teknologi yang dapat digunakan oleh perangkat desa.
Klasifikasi Jenis Kayu Menggunakan Support Vector Machine Berdasarkan Ciri Tekstur Local Binary Pattern Neneng Neneng; Novia Utami Putri; Erliyan Redi Susanto
CYBERNETICS Vol 4, No 02 (2020): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v4i02.2324

Abstract

Indonesia merupakan negara yang kaya akan sumber daya alam, salah satunya adalah kayu. Kayu maupun produk dari kayu merupakan komoditas unggulan ekspor. Mengingat banyaknya jenis kayu yang memiliki tekstur yang hampir sama maka diperlukan pemahaman untuk mengenalinya. Identifikasi jenis kayu saat ini pada umumnya masih dilakukan manusia secara visual. Kemampuan mengidentifikasi jenis kayu harus dilakukan secara berulang-ulang dan membutuhkan waktu proses latihan yang lama. Keterbatasan kemampuan manusia dalam mengidentifikasi jenis kayu yang belum terampil secara visual terkadang berpengaruh terhadap hasil yang diinginkan bagi dunia industri. Saat ini teknologi pengolahan citra digital telah banyak digunakan untuk melakukan klasifikasi jenis kayu berdasarkan teksturnya. Pada penelitian ini metode local binary pattern (LBP) akan digunakan untuk melakukan klasifikasi jenis kayu. Metode ini akan menghasilkan ciri tekstur yang nantinya akan digunakan sebagai masukan dalam proses pelatihan dan pengujian menggunakan support vector machine (SVM). Data citra jenis kayu yang digunakan dalam penelitian ini adalah jenis kayu bayur, cempaka, damar, meranti, dan merbau. Citra kayu tersebut diambil secara manual menggunakan kamera digital dengan jarak pengambilan 20 cm, 30 cm, dan 40 cm. Hasil akurasi klasifikasi jenis kayu bayur, cempaka, damar, meranti, dan merbau dalam penelitian ini adalah sebesar 97, 3% berada pada parameter sigma 0,1; 0,2; 0,3. Sedangkan hasil error terkecil hasil klasifikasi adalah sebesar 2,7%.
PENGEMBANGAN SISTEM INFORMASI PELAYANAN KESEHATAN BERBASIS WEB MENGGUNAKAN METODE SCRUM (STUDI KASUS: PUSKESMAS KISAM ILIR) Monica Efniasari; Agus Wantoro; Erliyan Redi Susanto
Jurnal Teknologi dan Sistem Informasi Vol 3, No 3 (2022): Volume 3 No. 3 September 2022
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v3i3.1945

Abstract

Penelitian ini dilakukan untuk membuat sebuah Sistem Informasi Pelayanan Kesehatan di Puskesmas Kisam Ilir. Masalah yang terjadi selama ini yaitu dengan jumlah pasien yang datang begitu cukup banyak maka terjadi beberapa permasalahan yang ada dalam proses pelayanan kesehatan yaitu pengelolaan data pasien yang masih dilakukan secara manual dengan cara menuliskan data pasien pada buku laporan pasien sehingga proses pencarian data pasien yang tidak efisien dalam segi waktu kerja yang berakibat pada antrian pasien yang sangat panjang. Penyimpanan berkas juga menggunakan tempat penyimpanan yang memiliki resiko rusak yang tinggi sehingga dapat terjadi berkas hilang dan rusak. Dari permasalahan diatas maka penelitian ini akan membuat sistem berbasis web menggunakan kerangka kerja SCRUM yang menghasilkan 4 sprint dan berbagai macam tugas disetiap Sprintnya. Sehingga dengan menerapkan Scrum,  dapat membuat sistem yang sesuai dengan kebutuhan. Bahasa pemrograman yang digunakan adalah PHP serta menggunakan framework Laravel. Pengujian akan menggunakan ISO 25010, berdasarkan hasil pengujian kelayakan faktor Usability produk yaitu usability yang mencapai nilai 83%, menurut pembagian kategori Usability. Kata Kunci: Scrum, Sistem Informasi Pelayanan Kesehatan, Laravel,  ISO 25010
Penerapan Otomasi Perpustakaan di MA Ma’arif 1 Punggur Fera Lestari; Erliyan Redi Susanto; Asep Haikal Kurniawan; Dian Pratiwi; Wahyu Saputra
Cakrawala: Jurnal Pengabdian Masyarakat Global Vol. 1 No. 4 (2022): November : Cakrawala: Jurnal Pengabdian Masyarakat Global
Publisher : Universitas 45 Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1141.562 KB) | DOI: 10.30640/cakrawala.v1i4.416

Abstract

Abstract: Information technology can be used to support activities in various sectors without exception in the field of education. The teaching and learning process in schools is strongly supported by the availability of facilities. Facilities support students in achieving learning objectives. One of the most important facilities to support learning activities in schools is the library. In its management, library functions can be achieved optimally if there is a system to simplify activities in the library. A good library management management system can certainly improve services in school libraries. One form of information technology application for libraries is library automation. The solution to the problem in the form of library automation is expected to be able to assist librarian in carrying out library management. This library automation can also be an important point in providing school facilities and infrastructure, which in turn can be used for school accreditation.Community service activities for the target school scheme with library automation training activities at MA Ma'arif 1 punggur are the availability of software on computers used in libraries as tools used for library automation with features used in the form of book collections (bibliography), library membership and circulation
Implementasi Metode Extreme Programming untuk Sistem Pengajuan Tempat PKL Berbasis Web Indita Pyatama Prabandanizwaransa; Imam Ahmad; Erliyan Redi Susanto
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 4, No 2 (2023): Volume 4 Nomor 2 Juni 2023
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jatika.v4i2.2601

Abstract

Dalam mengelola pelaksanaan kegiatan PKL/magang, sekolah memerlukan sebuah sistem yang memberikan pelayanan yang baik kepada siswa maupun guru dengan tujuan untuk meningkatkan efisiensi dan kualitas pelayanan yang lebih baik melalui pemanfaatan teknologi informasi. Salah satu upaya sekolah untuk meningkatkan pelayanan tersebut adalah dengan menerapkan sistem pengajuan pelaksanaan kegiatan PKL/magang berbasis web. Manfaat dari sistem pelaksanaan kegiatan PKL/magang berbasis web ini dapat digunakan di sekolah menengah kejuruan khususnya di SMK 2 MEI Bandar Lampung. Penelitian ini bertujuan untuk mengetahui pengaruh pemanfaatan teknologi khususnya pada pelaksanaan kegiatan PKL/magang di sekolah. Penelitian ini menggunakan extreme programming sebagai metode pengembangan sistem perangkat lunak dan menggunakan ISO 25010 untuk pengujiannya. Pengujian dilakukan oleh 6 responden yang terdiri dari dosen, guru dan siswa. Berdasarkan hasil pengujian yang telah dihitung menghasilkan persentase 100% dalam hal fungsional, yang menunjukan bahwa sistem telah Sukses menurut fungsinya, serta dalam hal aspek kemudahan pengguna menghasilkan 96,83% yang menunjukan bahwa sistem telah Sangat Setuju.
Rancang Bangun Sistem Pemenuhan Kebutuhan Gizi pada Orang Sakit Berbasis Android Muhammad Abdurrachman Rizky; Ajeng Savitri Puspaningrum; Erliyan Redi Susanto
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 4, No 3 (2023): Volume 4 Nomor 3 September 2023
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jatika.v4i3.3707

Abstract

Kebutuhan gizi yang tepat sangat penting bagi orang yang menderita penyakit kurang gizi, namun seringkali sulit untuk ditentukan dengan akurat. Bahkan bagi ahli gizi, diagnosa penyakit gizi pada pasien yang mengalami kekurangan gizi dapat menjadi suatu tantangan. Tujuan dari proyek ini adalah untuk merancang dan mengembangkan sebuah aplikasi berbasis Android yang dapat membantu orang sakit dalam memenuhi kebutuhan gizi mereka dengan lebih efektif dan efisien. Sistem yang dirancang bertujuan untuk memberikan rekomendasi gizi yang tepat berdasarkan kondisi kesehatan pengguna. Metode yang digunakan dalam aplikasi ini adalah Certainty Factor, yang memungkinkan sistem untuk menggabungkan pengetahuan dan aturan gizi yang telah ada untuk memberikan rekomendasi yang akurat. Metode Certainty Factor memungkinkan sistem untuk menghitung tingkat keyakinan pada setiap rekomendasi gizi, sehingga pengguna dapat memperoleh saran yang lebih personal dan sesuai dengan kondisi kesehatan mereka. Hasil Pengujian aplikasi ini dapat memberikan kontribusi positif dalam upaya meningkatkan pemenuhan gizi bagi orang sakit dengan cara yang lebih mudah diakses dan terjangkau. Pemanfaatan teknologi informasi dalam dunia kesehatan diharapkan dapat membantu mengatasi tantangan dalam pemenuhan gizi dan memperkuat upaya kesehatan secara menyeluruh demi dunia kesehatan yang lebih baik.-
Evaluasi Kinerja Algoritma Naive Bayes, Decision Tree, dan Random Forest untuk Prediksi Risiko Default Nasabah Kartu Kreditult Nasabah Kartu Kredit Turlia Indah Sapitri; Tia Dwi Anggra Yani; Jelna Anggreni; Erliyan Redi Susanto
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 9, No 2 (2026): Juli
Publisher : Institut Teknologi Gamalama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v9i2.449

Abstract

Abstrak: Prediksi risiko gagal bayar (default) nasabah kartu kredit merupakan aspek penting dalam manajemen risiko kredit pada lembaga keuangan. Berbagai penelitian telah menerapkan algoritma klasifikasi untuk prediksi risiko kredit, namun sebagian besar penelitian hanya berfokus pada satu atau dua algoritma sehingga hasil perbandingan performa antar metode masih terbatas. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja algoritma Naive Bayes, Decision Tree, dan Random Forest dalam memprediksi risiko default nasabah kartu kredit. Dataset yang digunakan merupakan data sekunder dari platform Kaggle yang terdiri dari 30.000 data nasabah. Tahapan penelitian meliputi preprocessing data, pembagian training dan testing dengan rasio 80:20, pembangunan model klasifikasi, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Kontribusi penelitian ini terletak pada evaluasi komparatif tiga algoritma klasifikasi dalam satu kerangka eksperimen yang sama menggunakan pendekatan evaluasi multi-metrik. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan kinerja terbaik berdasarkan nilai accuracy sebesar 0,813500 dan precision sebesar 0,630027. Sementara itu, Naive Bayes memperoleh nilai recall tertinggi sebesar 0,651181 dan F1-score sebesar 0,494363. Temuan penelitian menunjukkan bahwa Random Forest lebih unggul dalam ketepatan klasifikasi, sedangkan Naive Bayes lebih efektif dalam mendeteksi nasabah yang berpotensi mengalami gagal bayar.Kata kunci: Credit Risk Assessment, Kartu Kredit, Prediksi Risiko Kredit, Naive Bayes, Decision Tree, Random ForestAbstract: Credit card default risk prediction is an important aspect of credit risk management in financial institutions. Although various classification algorithms have been applied to credit risk prediction, most previous studies have focused on only one or two algorithms, resulting in limited comparative insights into their performance. This study aims to evaluate and com-pare the performance of Naive Bayes, Decision Tree, and Random Forest algorithms in pre-dicting credit card customer default risk. The dataset used in this study is secondary data ob-tained from Kaggle, consisting of 30,000 customer records. The research process includes data preprocessing, dataset splitting into training and testing sets with an 80:20 ratio, clas-sification model development, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The contribution of this study lies in the comparative evaluation of three classification algorithms within the same experimental framework using a multi-metric evaluation approach. The results indicate that Random Forest achieved the best overall per-formance with an accuracy of 0.813500 and a precision of 0.630027. Meanwhile, Naive Bayes obtained the highest recall of 0.651181 and the highest F1-score of 0.494363. These findings suggest that Random Forest is more effective in overall classification performance, whereas Naive Bayes is better at identifying customers with a higher likelihood of default.Keywords: Credit Risk Assessment, Credit Card, Credit Risk Prediction, Naive Bayes, Decision Tree, Random Forest
Prediksi Risiko Kehamilan dengan Machine Learning: Penanganan Imbalanced Class dan Evaluasi Multi-Model pada Data Maternal Health Rindah Okta Renza; Ikbal Yasin; Erliyan Redi Susanto
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10484

Abstract

Maternal mortality rates are a significant global health challenge, especially in developing countries that lack adequate medical resources. Early detection of pregnancy risks is crucial to prevent serious complications. This study developed a predictive model for pregnancy risks using four machine learning techniques: Support Vector Machine (SVM), Random Forest, XGBoost, and Gaussian Naive Bayes. The data set, taken from sources such as Kaggle and the UCI Repository, includes seven physiological indicators. Data preprocessing includes data cleaning, feature normalization, and label encoding. To address class imbalance in the Low Risk, Mid Risk, and High Risk categories, the Synthetic Minority Oversampling (SMOTE) technique is used. Model evaluation used metrics such as accuracy, precision, recall, F1 score, ROC-AUC, and processing time. The results showed XGBoost as the best model, with an accuracy of 0.8566, precision of 0.8567, recall of 0.8566, F1 score of 0.8554, and ROC-AUC of 0.9633. Random Forest produced comparable results, while Gaussian Naive Bayes was the fastest but least effective. The use of SMOTE with various metrics improved the model's ability to identify high- risk cases. Ultimately, XGBoost and Random Forest are recommended for integration into medical decision support systems aimed at early detection of pregnancy risks.
Peningkatan Akurasi Klasifikasi Risiko Serangan Jantung Menggunakan Feature Selection dan Random Forest dengan Pendekatan Cross Validation Bima Aditya; Erliyan Redi Susanto
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 3 (2026): Volume 4 Number 3 September 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i3.289

Abstract

Penyakit kardiovaskular, khususnya serangan jantung, menyumbang beban morbiditas dan mortalitas tertinggi di Indonesia, namun pengembangan model prediktif berbasis machine learning untuk skrining dini menghadapi tantangan fundamental berupa ketidakseimbangan kelas (class imbalance), dimensionalitas fitur tinggi, serta risiko overfitting pada evaluasi konvensional. Penelitian ini bertujuan membangun pipeline klasifikasi yang sistematis dengan menangani ketidakseimbangan data, mereduksi redundansi fitur, dan mengevaluasi generalisasi model secara robust. Dataset Heart Attack Prediction Indonesia terdiri dari 158.355 sampel dengan 27 fitur prediktor. Tahapan metodologi meliputi prapemrosesan data, penyeimbangan kelas menggunakan Synthetic Minority Over-sampling Technique (SMOTE) kustom dengan k-nearest neighbors = 5, seleksi fitur dua-tahap berbasis Mutual Information dan Random Forest Feature Importance dengan SelectFromModel, serta pelatihan model Random Forest yang dioptimasi melalui penyetelan hyperparameter. Evaluasi performa dilakukan dengan Stratified 5-Fold Cross-Validation menggunakan metrik accuracy, precision, recall,F1-score, dan ROC-AUC. Hasil menunjukkan bahwa SMOTE berhasil menyeimbangkan distribusi kelas menjadi 94.854 sampel per kelas (rasio 1:1), sementara seleksi fitur mereduksi 27 fitur menjadi 13 fitur terpilih yang klinis relevan. Evaluasi pada data full resampled menghasilkan performa mendekati sempurna (ROC-AUC 0,9997), namun Stratified 5-Fold Cross-Validation mengungkapkan estimasi yang lebih realistis dengan rata-rata accuracy 0,7758, precision 0,7943, recall 0,7444, F1-score 0,7685, dan ROC-AUC 0,8721. Temuan ini mengidentifikasi generalization gap sebesar ~21,5 poin persentase yang mengindikasikan adanya data leakage struktural akibat implementasi SMOTE sebelum validasi silang. Kontribusi utama penelitian ini terletak pada demonstrasi pipeline end-to-end yang mengintegrasikan teknik resampling,seleksi fitur berbasis domain, dan evaluasi robust, sekaligus memberikan argumentasi kritis mengenai interpretasi metrik pada data sintetis dan perlunya estimasi performa berbasis cross-validation sebagai acuan klinis yang lebih valid.
Co-Authors ., Rusliyawati Agus Wantoro Anton Mahendra Arief Budiman Asep Haikal Kurniawan Ayu Febriani Bahtiar Bima Aditya Damayanti, Damayanti Dian Anisa Martadala Dian Novita Dian Pratiwi Fera Lestari Ikbal Yasin Imam Ahmad Indita Pyatama Prabandanizwaransa Jelna Anggreni Monica Efniasari Muhammad Abdurrachman Rizky Neneng Neneng Novia Utami Putri Rindah Okta Renza Tia Dwi Anggra Yani Turlia Indah Sapitri Wahyu Saputra