Garuda - Garba Rujukan Digital

Classification of Drinking Water Potability With Artificial Neural Network Algorithm Indra Darmawan; Muhammad Fatchan; Andri Firmansyah
International Journal of Integrated Science and Technology Vol. 2 No. 5 (2024): May 2024
Publisher : MultiTech Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59890/ijist.v2i5.1874

Having safe water for consumption is essential for public health in every region. However, water quality is declining in some places, especially to meet human needs for drinking water. There are many efforts to maintain water potability, such as checking to see if there are bacteria or diseases in the water. This research classifies water potability using the Artificial Neural Network method, a technique in the field of machine learning. This research classifies water quality using a python library to analyze data and perform classification. Data is processed through stages such as data cleaning and data division into training and testing. In testing, the data is divided into 20% for testing and 80% for training. The results of the ANN algorithm show 70% accuracy. in conclusion, the ANN model has moderate performance in classifying the feasibility of drinking water. Model improvement is needed to improve accuracy and prediction, including the use of larger and more diverse datasets.

The Sentiment Analysis of Bekasi Floods Using SVM and Naive Bayes with Advanced Feature Selection Amali, Amali; Maulana, Donny; Widodo, Edy; Firmansyah, Andri; Danny, Muhtajuddin
Brilliance: Research of Artificial Intelligence Vol. 4 No. 1 (2024): Brilliance: Research of Artificial Intelligence, Article Research May 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i1.4268

Flood management in Bekasi City poses significant challenges, necessitating strategies grounded in an understanding of community sentiment. This study aims to develop and optimize sentiment analysis of social media data related to flooding using Support Vector Machine (SVM) and advanced feature selection techniques. The primary goal is to enhance the accuracy of classifying public sentiment toward flood management efforts in Bekasi City. Data is collected from various social media platforms, preprocessed, and analyzed using SVM with feature selection techniques like Information Gain and Analysis of Variance (ANOVA). (Thoriq et al., 2023) Our findings indicate that using SVM with advanced feature selection significantly improves sentiment classification accuracy compared to standard methods. These results offer insights into public perceptions, helping policymakers improve management strategies and communication for flood events. This method assists in understanding community responses and pinpointing critical areas needing attention. Moreover, this study contributes to disaster management in urban flood-prone areas by presenting a methodological approach applicable to other disaster contexts. Integrating social media sentiment analysis with advanced machine learning techniques offers a robust framework for real-time public sentiment assessment, enhancing disaster response strategies. Furthermore, these techniques help create a more resilient urban environment by improving the efficiency and effectiveness of flood management practices. This comprehensive tool is essential for better preparedness, response, and recovery from flood events, ultimately enhancing community resilience and safety in Bekasi City. This research is part of machine learning in disaster management and a valuable asset for city planners and disaster professionals around the world.

UPAYA MENGURANGI NYERI ASAM URAT PADA LANSIA MELALUI OBAT TRADISIONAL INDONESIA: TINJAUAN PUSTAKA Andini, Vira; Neng Diah Ratnasari; Andri Firmansyah; Teguh Panca Arianto; Ricko Dwi Hariyanto
Jurnal Ilmiah Kesehatan Pernus Vol. 2 No. 2 (2024): Volume 2 No. 2 Tahun 2024
Publisher : STIKES Permata Nusantara Cianjur

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

Asama urat, atau yang dikenal sebagai gout, Gout merupakan bentuk artritis yang ditandai dengan peradangan sendi yang mendalam, sering kali pada ibu jari kaki, yang disebabkan oleh penumpukan kristal asam urat. Faktor penyebab tingginya kadar asam urat meliputi pola makan yang kaya purin, konsumsi alkohol berlebihan, gangguan metabolisme, serta faktor genetik. Faktor penyebab asama urat meliputi pola makan yang tidak sehat, gaya hidup yang kurang aktif, serta faktor genetik. Faktor penyebab tingginya kadar asam urat meliputi pola makan yang kaya purin, konsumsi alkohol berlebihan, gangguan metabolisme, serta faktor genetik. Tujuan: Mengobati nyeri asam urat pada lansia dengan pengobatan tradisional. Metode: Literatur penelitian yang digunakan dalam penelitian ini berisi artikel-artikel terpilih yang berkaitan dengan upaya pengurangan nyeri asam urat yang dialami lansia dengan menggunakan pengobatan tradisional Indonesia.

Sistem Pendukung Keputusan Pemilihan Saham Terbaik Untuk Portofolio Investasi Syariah Menggunakan Metode SAW Fatchan, Muhamad; Pengestu, Rayendra; Firmansyah, Andri
Jurnal Teknik Informatika UMUS Vol 4 No 01 (2022): Mei
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v4i01.806

Pada era sekarang investasi saham makin banyak di perbincangkan oleh generasi muda. Bursa Efek Indonesia juga mendorong masyarakat untuk mulai berinvestasi melalui program yuk nabung saham.Namun permasalahan literiasi yang kurang, memberikan dampak negatif bagi investor pemula. pemilihan saham yang tidak dilandasi dengan kualitas perusahaan yang bagus memberikan kerugian yang besar bagi mereka. Tujuan dari penelitian ini adalah untuk membantu memberikan rekomendasi dalam pemilihan saham dengan kinerja yang bagus kepada investor saham. Dalam penelitian ini dirumuskan masalah tentang bagaimana melakukan implementasi metode Simple Additive Weighting (SAW) dalam memecahkan masalah melalui perhitungan bobot kriteria dan mampu menyeleksi alternatif terbaik dari semua alternatif. Hasil penelitian ini adalah sebuah aplikasi sistem pendukung keputusan yang memberi output berupa perankingan dari 70 data saham yang tergabung didalam indeks JII70. Sehingga didapatkan hasil saham yang palik baik dari segi kinerja keuangan untuk menjadi pilihan investasi oleh investor.

Implementasi E-Katalog Di Marketplace UMKM Bekasi Mart Fatchan, Muhamad; Firmansyah, Andri; Setyaningrum, Retno Purwani; Hadikristanto, Wahyu
Lentera Pengabdian Vol. 1 No. 01 (2023): Januari 2023
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/lp.v1i01.13

Kegiatan ini merupakan program tridarma perguruan tinggi yaitu pengabdian kepada masyarakat, dengan harapan adanya pengabdian ini dapat memberikan kontribusi agar para pelaku UMKM memahami bahwa memasarkan produk sudah bukan di toko, event dan door to door, melainkan sudah bisa bermatamorvosa untuk siap memasarkan produk nya ke jangkauan yang lebih luas yaitu dengan memanfaatkan marketplace Bekasi Mart. Metode pelaksanaan pengabdian kepada masyarakat ini dilakukan dengan beberrapa pendekatan yaitu pertama tahapan melakukukan sosialisasi terhadap pelaku kepentingan (pemkot bekasi dan umkm), penyusunsan materi, penyusunan jadwal pelaksanaan, dan pembagian tugas, tim pelaksana kegiatan PKM ini adalah 2 dosen dari Fakultas Ekonim dan Bisnisa, 3 dari fakultas Teknik , Tim pengabdian membuatkan platform marketplace dan materi penggunaan guna mempermudah UMKM dalam memasarkan produk nya. Hasil pengabdian kepada masarakat yaitu adanya tempat memasarkan produk – produk UMKM berbasis online yang bertujuan untuk mempermudah memasarkan produk lebih luas hingga harapanya dapat memberikan semengat baru dalam proses pemasaran.

Comparative Analysis of Classification of K-Nearest Neighbor (KNN) Algorithm and Decision Tree in Breast Cancer Using Rapidminer Rosida, Ema; Firmansyah, Andri; Suherman
International Journal of Applied Research and Sustainable Sciences Vol. 2 No. 12 (2024): December 2024
Publisher : MultiTech Publisher

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

Breast cancer is the leading cause of cancer-related deaths among women in Indonesia and worldwide. Early detection is critical for improving survival rates, yet many cases are diagnosed in late stages due to inadequate awareness and diagnostic tools. This study compares the performance of K-Nearest Neighbor (KNN) and Decision Tree algorithms for breast cancer classification using the Wisconsin Breast Cancer dataset. The Cross-Industry Standard Process for Data Mining (CRISP-DM) framework was applied, consisting of Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment phases. The results indicate that KNN achieved the highest accuracy (97.14%) and Area Under the Curve (AUC) value (0.976), outperforming the Decision Tree algorithm (accuracy: 96.49%, AUC: 0.965). These findings highlight the potential of data mining techniques for enhancing early breast cancer detection and improving clinical decision-making.

ANALISIS SENTIMEN PERAN ARTIFICIAL INTELLIGENCE TERHADAP KREATIVITAS DAN EFEKTIVITAS MAHASISWA DALAM PENYELESAIAN TUGAS AKHIR MENGGUNAKAN DECISION TREE BERBASIS SMOTE Alya Putri, Indi; Firmansyah, Andri; Suprianto, Asep
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13809

Dalam penelitian mengenai penggunaan Artificial Intelligence (AI) untuk mendukung penyelesaian tugas perkuliahan hingga membantu proses penyelesaian tugas akhir. Akan tetapi dengan banyak kemudahan yang diberikan oleh AI mahasiswa terkadang melupakan aspek terpenting dalam karya ilmiah yaitu bersifat orisinil, berbagai opini yang muncul dari mahasiswa mengenai penggunaan AI dapat membantu proses penelitian menjadi lebih cepat akan tetapi meningkatkan resiko plagiarism. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi berbagai opini mahasiswa mengenai penggunaan AI, baik dari sisi positif maupun negatif, serta melihat persentase mayoritas. Melalui analisis dampak yang ditimbulkan, penelitian ini diharapkan dapat memberikan wawasan yang berguna bagi Universitas dan pembuat kebijakan dalam menetapkan batasan dan etika-etika penggunaan AI yang sesuai. Proses analisis sentimen menggunakan algoritma Decision Tree dan untuk menyempurnakan model tersebut dilengkapi dengan teknik Synthetic Minority Over-sampling Technique SMOTE untuk mengatasi data yang tidak seimbang. Dalam analisis sentimen, kata yang paling sering muncul adalah positif, AI, lebih, membantu. Berdasarkan analisis dengan Decision Tree berbasis SMOTE, diperoleh akurasi sebesar 88%, dengan nilai presisi, recall, dan F1-Score mencapai 91% dengan hasil analisis sentimen menunjukkan bahwa 69,7% mahasiswa memberikan sentimen positif terhadap penggunaan AI, sementara 30,3% negatif. Temuan ini mengindikasikan bahwa mayoritas mahasiswa merasa terbantu oleh AI dalam penyelesaian tugas akhir.

WEBSITE PONDOK PESANTREN YATIM PIATU ANAK SHOLEH AL-HIDAYAH Edy Widodo; Muhamad Fatchan; Andri Firmansyah; Sifa Fauziah; Andrian, Andrian
JURNAL PENGABDIAN MANDIRI Vol. 4 No. 9 (2025): September 2025
Publisher : Bajang Institute

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

Dalam mengembangkan duia pendidikan itu tidak mudah dan banyak sekali kendala-kendala yangmemang harus kita hadapi bersama, terutama terkait dengan begitu pesatnya perkembangan Teknologi Informasi yang saat ini memang sangat dibutuhkan dan sangat berpengaruh dalam dunia pondok pesantren yang memang begitu monoton dalam agama. Penguasaan ilmu pengetahuan dan teknologi serta semangat kompetitif juga meruapakan hal penting bagi para ustad yang profesional karena diharapkan mereka dapat membawa atau mengantarkan para santri didiknya mengarungi dunia ilmu pengetahuan dan teknologi untuk memasuki era global yang melek ilmu pengetahuan dan teknolog, dan sangat kompetiti.f Manfaat website bagi pondok pesantren adalah meningkatkan jangkauan informasi dan dakwah, mempermudah administrasi seperti pendaftaran dan pengelolaan keuangan, meningkatkan kepercayaan dan citra lembaga, serta menjadi sarana untuk sosialisasi, promosi, dan penggalangan dana. Selain itu, website juga menjadi langkah awal digitalisasi pendidikan dan menunjukkan pesantren mampu beradaptasi dengan perkembangan zaman dan menjadi lebih relevan di era digital. Website dapat menjadi jembatan komunikasi antara pesantren dengan para alumni, orang tua santri, dan masyarakat umum, mempererat tali silaturahm.

The Sentiment Analysis of Bekasi Floods Using SVM and Naive Bayes with Advanced Feature Selection Amali, Amali; Maulana, Donny; Widodo, Edy; Firmansyah, Andri; Danny, Muhtajuddin
Brilliance: Research of Artificial Intelligence Vol. 4 No. 1 (2024): Brilliance: Research of Artificial Intelligence, Article Research May 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i1.4268

Flood management in Bekasi City poses significant challenges, necessitating strategies grounded in an understanding of community sentiment. This study aims to develop and optimize sentiment analysis of social media data related to flooding using Support Vector Machine (SVM) and advanced feature selection techniques. The primary goal is to enhance the accuracy of classifying public sentiment toward flood management efforts in Bekasi City. Data is collected from various social media platforms, preprocessed, and analyzed using SVM with feature selection techniques like Information Gain and Analysis of Variance (ANOVA). (Thoriq et al., 2023) Our findings indicate that using SVM with advanced feature selection significantly improves sentiment classification accuracy compared to standard methods. These results offer insights into public perceptions, helping policymakers improve management strategies and communication for flood events. This method assists in understanding community responses and pinpointing critical areas needing attention. Moreover, this study contributes to disaster management in urban flood-prone areas by presenting a methodological approach applicable to other disaster contexts. Integrating social media sentiment analysis with advanced machine learning techniques offers a robust framework for real-time public sentiment assessment, enhancing disaster response strategies. Furthermore, these techniques help create a more resilient urban environment by improving the efficiency and effectiveness of flood management practices. This comprehensive tool is essential for better preparedness, response, and recovery from flood events, ultimately enhancing community resilience and safety in Bekasi City. This research is part of machine learning in disaster management and a valuable asset for city planners and disaster professionals around the world.

Title

Found 39 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 39 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 39 Documents
Search