Article Per Year (5 Year)
p-Index From 2021 - 2026
1.325
P-Index
This Author published in this journals
All Journal International Journal of Advances in Intelligent Informatics Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) Jurnal Sains dan Teknologi SainsTech Innovation Journal SainsTech Innovation Journal
Muhammad Dermawan Mulyodiputro
Universitas Qamarul Huda Badarruddin
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Veterinary

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SainsTech Innovation Journal

 1 
Perancangan Sistem Informasi Terintegrasi Pelayanan Posyandu Berbasis Web di Desa Sepakek Kecamatan Pringgarata Kabupaten Lombok Tengah Riza Septilianti; M. Afriansyah; M. Dermawan Mulyodiputro; Joni Saputra
SainsTech Innovation Journal Vol. 5 No. 2 (2022): SIJ Volume 5 Nomor 2 November 2022
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v5i2.2022.426

Abstract

Keuntungan dari Sistem Informasi Posyandu (SIP) yaitu agar dalam proses pelaksanaan kegiatan Posyandu pada Dusun Jurang Sate Desa Sepakek Kecamatan Pringgarata Kabupaten Lombok Tengah bisa lebih efisien, karena dengan dibuatnya SIP dapat mempermudah petugas posyandu dalam mengolah data yang dihasilkan akan lebih akurat, memperkecil hilangnya data karena disimpan di dalam sistem yang telah terkomputerisasi. Berdasarkan permasalahan tersebut, pada paper ini akan merancang dan membuat sebuah sistem informasi posyandu yang diharapkan dapat membantu petugas kesehatan dalam mencatat setiap pemeriksaan. Judul penelitian yang dilakukan yaitu “Perancangan Sistem Informasi Terintegrasi Pelayanan Posyandu Berbasis Web Di Desa Sepakek Kecamatan Pringgarata Kabupaten Lombok Tengah”. Adapun data-data yang dicatat pada system ini adalah data imunisasi, data vaksin, data anak, data ibu, dan data petugas. Dalam penginputan data, petugas mengevaluasi hasil penginputan data oleh petugas posyandu tersebut secara bertahap, mulai dari penginputan data anak sampai dengan penginputan data petugas posyandu. Kemudian peneliti memeriksa hasil dari penginputan tersebut serta memberikan kuesioner kepada petugas posyandu untuk mengetahui lebih lanjut mengenai bagaimana kinerja dari aplikasi yang dirancang tersebut.
Benchmarking Model Machine Learning untuk Prediksi Data Berdasarkan Akurasi dan Error Syahrani Lonang; Danang Tejo Kumoro; M. Dermawan Mulyodiputro; Ardhana, Valian Yoga Pudya
SainsTech Innovation Journal Vol. 8 No. 2 (2025): SIJ VOLUME 8 NOMOR 2 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i2.2025.1141

Abstract

Perkembangan machine learning mendorong pemanfaatan berbagai model regresi untuk melakukan prediksi data secara akurat dan efisien. Namun, perbedaan karakteristik dataset menyebabkan kinerja setiap model bervariasi, sehingga diperlukan proses benchmarking untuk menentukan model yang paling optimal. Penelitian ini bertujuan untuk membandingkan kinerja beberapa model machine learning dalam tugas prediksi data berbasis regresi tanpa melakukan pengembangan aplikasi. Model yang dievaluasi meliputi Linear Regression, Decision Tree Regression, Random Forest Regression, Support Vector Regression, dan K-Nearest Neighbor Regression. Dataset yang digunakan merupakan dataset publik dengan variabel numerik yang telah melalui tahap praproses data, meliputi pembersihan data, normalisasi, dan pembagian data latih serta data uji. Evaluasi kinerja model dilakukan menggunakan metode K-Fold Cross Validation dengan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Random Forest Regression memberikan kinerja terbaik dengan nilai error terendah, nilai R² tertinggi, serta stabilitas model yang baik dibandingkan model lainnya. Hasil ini menunjukkan bahwa pendekatan ensemble efektif dalam meningkatkan akurasi dan kemampuan generalisasi model pada tugas prediksi data regresi.
Co-Authors Danang Tejo Kumoro Edy Surya Pratama Joni Saputra Joni Saputra Lilik Hidayati, Lilik M. Afriansyah Muh Sapi'i Refreandi Haeri Riza Septilianti Riza Septilianti Subanar . Syahrani Lonang Valian Yoga Pudya Ardhana yohana yohana