Article Per Year (5 Year)
p-Index From 2021 - 2026
3.487
P-Index
This Author published in this journals
All Journal International Journal of Artificial Intelligence Research Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Scientific Student Journal for Information, Technology and Science Jurnal Pengabdian Masyarakat Nasional ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat
Deden Wahiddin
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Sistem Presensi Pegawai Menggunakan Face Recognition dengan Algoritma Local Binary Pattern Histogram (LBPH): (Studi Kasus di Universitas Buana Perjuangan Karawang) Ray Pamungkas; Deden Wahiddin; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kedisiplinan pegawai bisa dinilai salah satunya melalui tingkat kehadirannya di kantor atau tempatnya bekerja. Perusahaan atau instansi juga tentunya memiliki standar sendiri untuk kehadiran tiap pegawainya. Oleh karena itu, diberlakukan sistem presensi agar ada pencatatan dan bukti akan hadir atau tidaknya seorang pegawai. Sistem presensi pegawai ini menjadi faktor penting yang mempengaruhi profitabilitas keseluruhan prospek pertumbuhan di masa depan. Ada salah satu faktor yang membuat sistem presensi disepelekan oleh pegawai, yaitu sistem presensi yang manual. Banyak perusahaan atau instansi masih memberlakukan sistem presensi secara manual dengan cara mencatat secara manual presensi masuk dan pulang didalam pembukuan, sehingga pegawai memerlukan waktu yang lama saat mencatat presensinya masing masing setiap harinya dan untuk merekap data presensi juga membutuhkan waktu dan tenaga yang banyak karena harus merekap secara manual. Local Binary Pattern Histogram (LBPH) adalah salah satu dari metode yang terkenal dalam mengenali sebuah objek yang salah satunya mengenali suatu wajah. Penerapan algoritma LBPH membutuhkan dataset wajah untuk nantinya akan dilakukan training, dan untuk memudahkan mengambil wajah sesorang penulis menggunakan algoritma Viola Jones untuk deteksi wajah dan melakukan cropping pada bagian wajah. Hasil dari penelitian ini yang telah didapatkan yaitu berupa sistem presensi pegawai Universitas Buana Perjuangan Karawang menggunakan face recognition menggunakan algoritma LBPH secara real time dengan akurasi keberhasilan hingga 86.7% dan untuk akurasi pengenalan wajah hingga 81.8%. Sistem ini berbasis website dengan menggunakan Bahasa pemrograman Python.
Implementasi Algoritma Certainty Factor untuk Mendiagnosa Penyakit yang Disertai Demam Warna; Deden Wahiddin; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Demam menjadi sebuah gangguan kesehatan bagi setiap orang dalam melakukan produktivitas dan bahkan bisa merenggut korban jiwa. Beberapa penyakit yang disertai demam memiliki gejala yang hampir mirip, sehingga sulit untuk diketahui penyakit tersebut karena keterbatasan pengetahuan masyarakat, sehingga perlu berkonsultasi dengan dokter. Akan tetapi untuk berkonsultasi memerlukan biaya dan waktu. Maka dari itu, sistem pakar bisa menjadi salah satu alternatif solusi dalam mendiagnosa penyakit yang disertai demam dengan menggunakan metode certainty factor. Sistem pakar dapat mendiagnosa penyakit yang disertai demam dan mengelola data diagnosa, gejala, penyakit dan aturan. Setelah dilakukan uji pakar dengan 30 data percobaan, 8 data divalidasi diantaranya 7 data sesuai dan 1 data tidak sesuai. Hasil akurasi yang diperoleh dari data yang divalidasi pakar yaitu 87,5%.
SOSIALISASI HASIL PENELITIAN APLIKASI SISTEM PAKAR DIAGNOSA KECANDUAN GAME ONLINE MENGGUNAKAN METODE CERTAINTY FACTOR Elsa Elvira Awal; Deden Wahiddin; Anis Fitri Nur Masruriyah; Hilda Yulia Novita
Jurnal Pengabdian Masyarakat Nasional Vol 3, No 1 (2023)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v3i1.19974

Abstract

Semenjak pandemi Covid-19 masuk di Indonesia, hampir semua kegiatan dilakukan secara daring, termasuk pembelajaran dari tingkat sekolah dasar sampai universitas. Dampak dari pembelajaran daring adalah kebosanan pada peserta didik, oleh sebab itu peserta didik banyak yang melakukan kegiatan lain untuk menghilangkan kebosanan dengan bermain game online. Kondisi mental pada peserta didik rata-rata masih labil sehingga mudah lepas kontrol ketika sedang bermain game online, sehingga banyak peserta didik yang kecanduan game online. Adapun bentuk kegiatan sosialisasi ini dilakukan melalui pengarahan tentang pengetahuan dasar mengenai game, di antaranya dampak positif dan negatif game online. Maka pada kegiatan pengabdian kepada masyarajat ini akan dilakukan sosialisasi aplikasi deteksi kecanduan game online dengan menggunakan metode certainty factor. Hasil dari sosialisasi yang dilakukan pada SMK N 1 Klari adalah memberikan pemahaman terhadap siswa/siswi tentang game online serta memahami dampak berbahaya jika tidak disikapi dengan bijak. Dengan aplikasi yang kamu berikan diharapkan para siswa/siswi mampu menggunakan game dengan sewajarnya.
SOSIALISASI APLIKASI UNTUK MELAKUKAN DETEKSI DINI KECANDUAN PERMAINAN ONLINE PADA SISWA SMK N 1 KLARI KARAWANG Anis Fitri Nur Masruriyah; Deden Wahiddin; Hilda Yulia Novita; Elsa Elvira Awal
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2022): (Oktober 2022)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69552/abdi_kami.v5i2.1470

Abstract

The global COVID-19 pandemic has an impact on people's activities in the world, including in Indonesia. The policies of each country to overcome this condition also vary, one of which is the Indonesian government which imposes limited face-to-face activities offline. Many activities must be carried out online to minimize the transmission of COVID-19. Finally, this has an impact on many people who spend time with their gadgets to play permainans with cellphones, laptops or other electronic media. Playing permainans has benefits for relaxation from the fatigue of online activities, but if this continues it will result in permainan addiction. So that community service activities for the socialization of permainan addiction detection applications are carried out, so that users are able to control the use of devices when playing permainans. So, if an addiction is detected, you can ask experts for help, for school children you can have an initial consultation with a Counseling Guidance teacher.
Perbandingan Algoritma Support Vector Regression (SVR) dan Linear Regression untuk Memprediksi Harga Saham Studi Kasus PT Bukit Asam Tbk Ahmad Takdir; Deden Wahiddin; Elsa Elvira Awal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada era digital saat ini, peningkatan ekonomi di dalam dunia investasi dapat dengan mudah diakses karena banyaknya platform penyedia layanan investasi. Saham merupakan salah satu alat investasi yang laju perubahan harga dari suatu perusahaan terbilang cukup cepat. Oleh karena itu, dibutuhkan suatu model data yang dapat mengelola data dalam jangka waktu yang lama untuk memprediksi harga saham. Pada penelitian ini, algoritma Support Vector Regression (SVR) dan Linear Regression digunakan sebagai metode untuk memprediksi harga saham dengan menggunakan bahasa pemrograman Python dan perangkat lunak pengolahan data, yaitu tools WEKA GUI. Proses penelitian ini berfokus pada penerapan dan perbandingan algoritma, serta untuk mengetahui tingkat akurasi algoritma yang paling baik. Data yang digunakan adalah data transaksi saham selama lima tahun dengan jumlah sebanyak 1.010 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression (SVR) dan Linear Regression mampu memprediksi harga saham. Nilai error RMSE (Root Mean Squared Error) terkecil diperoleh oleh algoritma Linear Regression sebesar 62,9307 dengan pemrograman Python, sedangkan algoritma Support Vector Regression (SVR) menghasilkan nilai error terkecil sebesar 64,1746 dengan pemrograman Python.
Penerapan Smart Contract Ethereum pada Aplikasi Crowdfunding dengan Keamanan Keccak-256 M. Naufal Faqih; Deden Wahiddin; Kiki Ahmad Baihaqi; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Crowdfunding telah muncul sebagai metode yang populer untuk mengumpulkan dana secara daring. Namun, permasalahan seperti salah urus dana dan kurangnya transparansi masih sering terjadi. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengembangkan platform crowdfunding berbasis teknologi blockchain menggunakan smart contract pada Ethereum. Sistem yang dikembangkan menjamin transparansi, integritas, dan ketertelusuran transaksi dengan mencatat seluruh aktivitas secara permanen di blockchain. Setiap kampanye penggalangan dana diidentifikasi menggunakan ID unik yang dihasilkan melalui algoritma hashing Keccak-256, sehingga mampu mencegah duplikasi data serta memastikan proses pengindeksan yang aman. Proses pengembangan sistem meliputi perancangan smart contract, implementasi antarmuka berbasis web, serta penerapan server backend untuk penyimpanan gambar menggunakan Express.js. Pengujian fungsionalitas sistem dilakukan menggunakan metode black-box testing pada beberapa skenario, seperti pembuatan kampanye, pemrosesan donasi, dan validasi penarikan dana. Hasil pengujian menunjukkan bahwa sistem berjalan dengan baik, di mana setiap fitur inti berfungsi sesuai dengan yang diharapkan dan integritas data tetap terjaga. Transparansi dicapai melalui transaksi yang dapat diverifikasi secara publik, sementara penggunaan Keccak-256 memberikan perlindungan yang efektif terhadap potensi gangguan. Selain itu, analisis biaya gas menunjukkan bahwa transaksi berada dalam kisaran biaya yang wajar untuk implementasi skala kecil. Studi ini menunjukkan bahwa sistem berbasis blockchain mampu meningkatkan kepercayaan terhadap platform crowdfunding serta dapat dijadikan referensi dalam pengembangan sistem penggalangan dana yang transparan dan aman di masa depan.
Analisis Kinerja Algoritma Naïve Bayes dan Random Forest dalam Memprediksi Hasil Klasemen English Premier League Muhamad Ibnu Rizky; Sutan Faisal; Iman Sanjaya; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

English Premier League dikenal sebagai liga sepak bola yang paling kompetitif dan menarik untuk dianalisis secara statistik. Penelitian ini dilakukan untuk membandingkan kinerja dua algoritma machine learning, yaitu Naïve Bayes dan Random Forest, dalam memprediksi posisi akhir klasemen berdasarkan data statistik pertandingan. Data dikumpulkan melalui teknik web scraping dari situs FBref.com, yang mencakup data tiga musim kompetisi serta sejumlah fitur relevan lainnya. Setelah melalui tahap prapemrosesan (preprocessing), data dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi terhadap model dilakukan menggunakan berbagai metrik, seperti akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memperoleh akurasi sebesar 69,83% dan menunjukkan kinerja yang cukup baik dalam memprediksi hasil seri. Di sisi lain, algoritma Random Forest menunjukkan performa yang lebih unggul dengan akurasi mencapai 99,57%, serta nilai presisi, recall, dan F1-score yang tinggi dan konsisten. Prediksi klasemen akhir yang dihasilkan oleh Random Forest juga lebih mendekati hasil sebenarnya. Berdasarkan temuan tersebut, dapat disimpulkan bahwa Random Forest lebih mampu menangani kompleksitas data pertandingan sepak bola dan lebih direkomendasikan untuk digunakan dalam sistem prediksi di bidang analitik olahraga.
Penerapan Fuzzy Logic Tsukamoto untuk Klasifikasi Prestasi Siswa sesuai Standar Kompetensi Sekolah Alfahri Firjatillah; Jamaludin Indra; Santi Arum Puspita Lestari; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengembangkan sistem klasifikasi prestasi siswa berbasis web menggunakan metode Fuzzy Logic Tsukamoto di MTs Ghoyatul Jihad Telagasari Karawang. Sistem bertujuan membantu sekolah menilai prestasi siswa secara objektif berdasarkan nilai rapor, pengetahuan, dan keterampilan. Proses klasifikasi meliputi fuzzifikasi, inferensi dengan aturan IF-THEN, dan defuzzifikasi. Data sebanyak 330 siswa dianalisis, dan hasil sistem dibandingkan dengan penilaian guru menggunakan uji akurasi dan korelasi Spearman. Sistem mencapai akurasi 81,8% dan korelasi 0,81, menunjukkan hubungan sangat kuat dengan penilaian guru. Hasil ini membuktikan bahwa metode Tsukamoto efektif dan mampu mengurangi subjektivitas dalam penilaian prestasi siswa.
Klasterisasi Tingkat Perceraian Berdasarkan Kabupaten/Kota di Provinsi Jawa Barat Menggunakan Algoritma K-Means dan K-Medoids Ananda Faizah; Deden Wahiddin; Jamaludin Indra; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perceraian merupakan fenomena sosial yang berdampak pada kesejahteraan keluarga dan stabilitas sosial. Provinsi Jawa Barat mencatat peningkatan angka perceraian setiap tahunnya, sehingga diperlukan analisis untuk memahami pola yang terjadi. Penelitian ini membandingkan algoritma K-Means dan K-Medoids dalam mengelompokkan kabupaten/kota di Jawa Barat berdasarkan faktor penyebab perceraian pada tahun 2023. Hasil klasterisasi menghasilkan tiga cluster dengan karakteristik tingkat perceraian tinggi, sedang, dan rendah yang didominasi oleh faktor tertentu. Evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Means memberikan hasil evaluasi yang lebih baik berdasarkan nilai Silhouette Score sebesar 0.533683 dan Davies-Bouldin Index (DBI) sebesar 0.518007, sedangkan K-Medoids memperoleh nilai Silhouette Score sebesar 0.415553 dan Davies-Bouldin Index (DBI) sebesar 0.749047. Penelitian ini diharapkan dapat membantu instansi terkait dalam mengatasi tingginya angka perceraian di Jawa Barat.
Identifikasi Penyakit HIV Menggunakan Algoritma Support Vector Machine (SVM) dan Naive Bayes Dian Ayu Damayanti; Tatang Rohana; Euis Nurlaelasari; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengidentifikasi penyakit HIV menggunakan metode klasifikasi berbasis algoritma Support Vector Machine (SVM) dengan kernel RBF dan Naive Bayes. Dataset diperoleh melalui kuesioner yang mencakup 16 gejala umum HIV dengan jumlah responden sebanyak 101 orang. Proses pengolahan data meliputi preprocessing, konversi data, pelabelan (labeling) target, hingga evaluasi model menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) dengan kernel RBF memberikan tingkat akurasi sebesar 100%, sedangkan Naive Bayes memperoleh akurasi sebesar 93,75% dalam mengidentifikasi kemungkinan infeksi HIV berdasarkan gejala yang dialami. Temuan ini menunjukkan bahwa metode Support Vector Machine (SVM) memiliki performa yang sangat baik dalam mendeteksi pola gejala dan dapat diterapkan dalam sistem deteksi dini HIV. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan sistem berbasis kecerdasan buatan di bidang kesehatan, khususnya dalam membantu identifikasi awal infeksi HIV secara efektif.
Co-Authors Adi Pratama Adi Rizky Pratama Ahmad Fauzi Ahmad Takdir Alfahri Firjatillah Ananda Faizah Anis Fitri Nur Masruriyah April Lia Hananto Ayu Juwita Baihaqi, Kiki Ahmad Dian Ayu Damayanti Dina Aliya Sari Dwi Kusumaningrum Elsa Awal Elsa Elvira Awal Euis Nurlaelasari Fitri Nur Masruriyah, Anis Gilang Cantona Gilang Wibowo Hanny Hikmayanti Handayani Hidayatus Solikhin Hilda Yulia Novita Iman Sanjaya Indra, Jamaludin Indri Rahmawati Kiki Baihaqi Kiki Wahyuddin Lestari, Santi Arum Puspita M. Naufal Faqih Maulidinah Nurrahma Mochamad Rayhan Bachtiar Moh. Alifudin Muhamad Ibnu Rizky Muhammad Naufal Muhammad Yusuf Nurhayati Prasetyo Ajie Rahmat Ray Pamungkas Ryan Hasbie Sutan Faisal Tatang Rohana Tohirin Mudzakir Topan Ramadhan Tri Denda Warna