Article Per Year (5 Year)
p-Index From 2021 - 2026
3.351
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) INTEGER: Journal of Information Technology J I M P - Jurnal Informatika Merdeka Pasuruan Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) ILKOMNIKA: Journal of Computer Science and Applied Informatics Jurnal Mnemonic JAMI: Jurnal Ahli Muda Indonesia International Journal of Artificial Intelligence and Robotics (IJAIR) Joutica : Journal of Informatic Unisla J-Innovation Jurnal INFOTEL
Dian Ahkam Sani
Universitas Merdeka Pasuruan
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Sistem Rekomendasi Penerima Bantuan Sosial APBD Menggunakan Metode Support Vector Machine Moch Yazid; Dian Ahkam Sani; Nanda Martyan Anggadimas
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 6 No 1 (2024): Volume 6, Nomor 1, April 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v6i1.619

Abstract

Pemberian bantuan sosial APBD (Anggaran Pendapatan dan Belanja Daerah) merupakan aspek krusial dalam upaya pemerintah untuk mendukung masyarakat yang membutuhkan. Untuk meningkatkan efektivitas dan efisiensi dalam penentuan penerima bantuan, perancangan sistem rekomendasi menjadi suatu kebutuhan. Penelitian ini bertujuan merancang Sistem Rekomendasi Penerima Bantuan Sosial APBD dengan metode metode Support Vector Machine (SVM) dan dilakukan pada Dinas Sosial Kota Pasuruan. Dengan penerapan system diharapkan dapat meningkatkan transparansi, kecepatan, dan ketepatan dalam penentuan penerima bantuan, sehingga sumber daya dapat dialokasikan secara lebih efisien untuk mendukung kesejahteraan masyarakat. Hasil evaluasi model menunjukkan tingkat akurasi sebesar 95%, presisi mencapai 100%, dan recall sekitar 93%. F1-Score model mencapai 96.5.
Klarifikasi Status Penderita Gizi Sunting Pada Balita Menggunakan Metode Random Forest Aprilia, Yunita Nur; Sani, Dian Ahkam; Anggadimas, Nanda Martyan
INTEGER: Journal of Information Technology Vol 9, No 2 (2024): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v9i2.6080

Abstract

Stunting in children, as in this case, is characterized by lower-than-average body growth. This is caused by a mismatch between long-term nutrient intake and the body's needs. Possible impacts include delayed cognitive development, impairments in learning ability, as well as an increased risk of metabolic syndrome. To overcome these problems, a structured and data-based system is needed with one of the agreements used, namely the Random Forest Method on the system using stunting nutrition data for toddlers as the basis for the classification process. In developing the system that was built to help track the health of young children, especially stunting by using several indicators to support innovation, provide a classification model for toddlers suffering from stunting nutrition, and measure and evaluate the performance results of the Random Forest Method against the data variables used. From this study, it can be shown that the results of this study are that this system has successfully made a classification model and is very effective in measuring and evaluating the performance results of the Random Forest Method in the Status Classification of Stunting Nutritional Patients in Toddlers by using a dataset of 300 data so that it produces an average accuracy of 81%, an average result of 76%, an average recall result of 69%, and the average F1 score result is 72%.
MEDIA PEMBELAJARAN RUMAH ADAT BERBASIS AUGMENTED REALITY METODE SIMULTANEOUS LOCALIZATION AND MAPPING Ainun najib, Mukhamad; Ahkam Sani, Dian; Zoqi Sarwani, Moh.
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5356

Abstract

Salah satu keanekaragamaan budaya yang harus dijaga dan dirawat oleh generasi penerus bangsa terutama dikalangan pelajar adalah rumah adat. Terutama bagi siswa MTS Al-husaini, Rumah adat yang memeliki keunikan pada bentuk arsitekturnya menjadi materi pembelajaran. Namun media pembelajaran masih berupa buku sehingga kurang menarik minat siswa. Tujuan penerapan augmented reality pada media pembelajaran rumah adat adalah menyampaikan informasi dan meningkatkan minat belajar siswa. Dengan menampilkan 3d objek rumah adat menggunakan aplikasi. Metode simultaneous localization and mapping digunakan untuk mengembangkan aplikasi augmented reality yang penggunaannya tanpa marker sehingga memudahkan siswa dalam penggunaan. Aplikasi berhasil menampilkan 14 3d objek rumah adat dari 3 provinsi di pulau jawa yaitu Provinsi Jawa Timur, Jawa Barat, Jawa Tengah. Aplikasi menampilkan 4 menu yaitu Mulai, Panduan ,Tentang dan Keluar, Serta 4 fitur yaitu Suara,Rotasi,Scale, dan Movement. Penlitian ini menunjukkan bahwa metode SLAM dapat diimplementasikan dengan baik pada media pembelajaran rumah adat berbasis augmented reality. Dan mampu meningkatkan minat siswa dalam belajar tentang budaya rumah adat ditunjukkan oleh hasil kuisoner yang diberikan kepada 21 siswa MTS Al-husaini kelas 8 sebesar 78,76% yang termasuk dalam kategori setuju dan hasil uji posttest dan pretest dengan n-gain score sebesar 56,17 yang dikategorikan cukup efektif.
KLASTERISASI PENERIMAAN RETRIBUSI PELAYANAN PASAR MENGGUNAKAN METODE K-PROTOTYPE Ahkam Sani, Dian; Zoqi Sarwani, Moh.; Fahmi, Jamaluddin
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.9410

Abstract

Pasar tradisional merupakan salah satu pusat kegiatan ekonomi yang penting di Kota Pasuruan. Bagi pedagang, pemilihan tempat berjualan yang strategis dan sesuai dengan kebutuhan pasar merupakan faktor krusial untuk meningkatkan daya jual dan keuntungan. Namun, proses pemilihan tempat berjualan yang optimal seringkali sulit dilakukan karena banyaknya variabel yang perlu dipertimbangkan. Penelitian ini melakukan klasterisasi penerimaan retribusi pelayanan pasar yang ada di kota pasuruan. data yang terkumpul sebanyak 72 data dengan 5 parameter. Penelitian ini menggunakan metode k-prototype sebagai klasterisasnya dan elbow untuk mencari jumlah klaster optimal. Hasil yang didapatkan sebanyak 3 klaster dimana klaster 0 adalah jenis pasar yang penerimaan retribusi pelayanannya rendah sebanyak 23 data, klaster 1 adalah jenis pasar yang jenis penerimaan retribusi pelayanannya tinggi sebanyak 18, sedangkan klaster 2 adalah jenis pasar yang jenis penerimaan retribusi pelayanannya sedang sebanyak 31. Dapat disimpulkan bahwa klaster 0 adalah jenis pasar yang penerimaan retribusi pelayanannya sedikit dilihat dari luas tempat dan harga sewanya, klaster 1 adalah jenis pasar yang jenis penerimaan retribusi pelayanannya kemungkinan banyak dibuktikan dari luas tempat dan juga harga sewanya, sedangkan klaster 2 adalah jenis pasar yang jenis penerimaan retribusi pelayanannya sedang karena luas tempatnya dan juga harga sewa dari tempat tersebut.
PENERAPAN EVENTGRAPH PADA GAME FIRST PERSON SHOOTER “COVID HUNTER” (3D UNREAL ENGINE) Achmad Syarifuddin; Dian Ahkam; Mochmmad Zoqi Sarwani
JAMI: Jurnal Ahli Muda Indonesia Vol. 3 No. 1 (2022): Juni 2022
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/jami.v3i1.50

Abstract

Objektif Kesibukan manusia semakin hari semakin bertambah, baik itu dalam hal pekerjaan maupun studi. Rutinitas sehari-hari terkadang bisa membuat orang jenuh. Disaat memiliki waktu luang, banyak orang yang menghabiskan waktu tersebut untuk melakukan kegiatan yang bisa menghilangkan rasa jenuh mereka. Salah satunya adalah dengan bermain game. Bermain game belakangan justru menjadi sebuah hobi yang semakin di gemari contoh nya : game FPS (first person shooter) salah satunya yang mana di game ini para gamers bisa bermain dan mengenal badan pertahanan negara seperti Polisi di indonesia dan badan pertahan di negara lain. Hal ini ditunjukan dengan bermunculannya game-game center yang semakin ramai di kunjungi. Terlebih bila di waktu liburan. Material and Metode. Game First Person Shooter (FPS) adalah salah satu jenis game (genre) yang digemari menggunakan pandangan orang pertama di mana pemain seolah-olah menjadi karakter utama dalam game yang berpusat pada permainan di sekitar senjata-senjata dan peluru tempur. Selanjutnya penerapan game FPS yang menceritakan tentang seorang pemburu covid hunter ini menggunakan Unreal Engine 4 baik pada saat kondisi lingkungan dan karakter. Hasil. Dalam hal lingkungan dimana Sebuah Goa serta Karakter-karakter didalam game yang diujicobakan pada Unreal Engine 4 menandakan tingkat keberhasilan sesuai dengan keadaan dalam bentuk modeling. Kesimpulan. Berdasarkan permasalahan dan hasil dari penelitian ini, dapat ditarik kesimpulan, bahwa pembuatan objek 3D dari game ini, asset - asset yang dibutuhkan diambil dari asset store unreal engine kemudian di import ke dalam Unreal Engine Editor. menggerakkan karakter menggunakan Keybord, dan game ini sudah memiliki NPC/musuh yang dapat mengejar karakter secara otomatis.
Evaluasi Sentimen Review Produk Roundup Menggunakan Algoritma Support Vector Machine: Evaluasi Sentimen Review Produk Roundup Menggunakan Algoritma Support Vector Machine Mohamad Khoiron; Dian Ahkam Sani; Mohammad Zoqi Sarwani; Muhammad Mahrus Ali; Khoirul Anwar; Muhammad Udin
J-Innovation Vol. 13 No. 2 (2024): Jurnal J-Innovation
Publisher : Politeknik Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55600/jipa.v13i2.313

Abstract

In today's digital era, more and more internet users are sharing their experiences and opinions about certain products. Sentiment analysis can be used to extract valuable information from the data generated by the shopee application users. This study aims to conduct a sentiment analysis of Roundup product reviews. The method used is the Support Vector Machine (SVM). SVM is an effective machine learning method for classifying text based on positive or negative sentiments. The purpose of this study is the SVM model which can be used to perform sentiment analysis automatically on Roundup product reviews. The results of this analysis can provide important insights for Roundup producers in understanding consumer perceptions of their products. In addition, this research can also be a guide for consumers in choosing and understanding weed killer products that suit their needs and preferences. In this study, the accuracy value was 80%, the precision value was 80%, the recall value was 100% and the value F1 score of 88.89%.
Klasifikasi Citra Penyakit Daun Padi Dengan Metode CNN Menggunakan Arsitektur ResNet50V2 Maulana, Muhamad Filla Akbar; Anggadimas, Nanda Martyan; Sani, Dian Ahkam
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66960

Abstract

Tanaman padi sangat penting untuk menjaga ketersediaan pangan di Indonesia. Namun, produksinya sering menurun karena berbagai masalah, salah satunya yaitu penyakit daun yang sulit dikenali sejak awal. Jika penyakit tidak cepat dikenali dan ditangani, hal ini bisa menyebabkan hasil panen menurun drastis dan mengganggu pasokan beras di dalam negeri. Oleh karena itu, penelitian ini bertujuan untuk pengembangan sistem identifikasi penyakit daun padi otomatis. Sistem ini memanfaatkan citra digital dan jaringan saraf tiruan Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2 untuk mengenali delapan jenis penyakit: Bacterial Leaf Blight, Brown Spot, Leaf Blast, Leaf Scald, Narrow Brown Spot, Rice Hispa, Sheath Blight, dan Tungro. Data citra diperoleh dari platform Kaggle, dengan total 15.241 gambar yang telah melalui tahapan preprocessing seperti normalisasi piksel, augmentasi, dan pengubahan ukuran menjadi 224x224 piksel. Model CNN dilatih menggunakan pendekatan transfer learning selama 50 epoch dengan bantuan dua fitur callback untuk menjaga kualitas pelatihan. Evaluasi performa dilakukan melalui confusion matrix dan classification report. Berdasarkan hasil pengujian, model menunjukkan akurasi tertinggi sebesar 94,14% pada data uji, serta nilai precision, recall, dan f1-score yang tinggi di hampir seluruh kelas. Dari hasil ini membuktikan bahwa CNN berbasis ResNet50V2 efektif digunakan untuk mendeteksi penyakit daun padi secara otomatis, dan berpotensi diterapkan sebagai alat bantu bagi petani dalam mempercepat proses identifikasi dan pengambilan keputusan di bidang pertanian.
Klasifikasi Jenis Penyakit Mata Katarak Menggunakan Metode K-Nearest Neighbors (KNN) Rizki Ikhwan Pamuji; Dian Ahkam Sani; Rudi Hariyanto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.67786

Abstract

Katarak merupakan gangguan penglihatan yang terjadi akibat kekeruhan pada lensa mata, umumnya disebabkan oleh proses degeneratif, paparan radikal bebas, atau gangguan lain seperti glaukoma. Diagnosis dini sangat penting untuk mencegah komplikasi, namun metode konvensional memerlukan pemeriksaan manual yang memakan waktu. Penelitian ini bertujuan mengembangkan model klasifikasi katarak menggunakan algoritma K-Nearest Neighbors (KNN), sebuah pendekatan non-parametrik yang menentukan kelas berdasarkan kedekatan fitur terhadap data pelatihan. Dataset yang digunakan terdiri dari 300 data dengan 26 atribut, dan dibagi dengan rasio 80:20. Hasil evaluasi menunjukkan bahwa KNN dengan parameter k=3 mampu menghasilkan akurasi sebesar 98,33% dengan precision 99%, recall 99%, serta f1-score 99% pada macro average dan pada weight average mendapatkan precision 98%, recall 98%, serta f-score 98%. Temuan ini menunjukkan bahwa KNN efektif dalam mendeteksi jenis penyakit mata katarak, meskipun masih terdapat ruang untuk pengembangan lebih lanjut melalui peningkatan jumlah data, teknik preprocessing yang lebih variatif, serta eksplorasi metode klasifikasi lain guna memperoleh hasil yang lebih optimal. 
Inventory Forecasting of Pearl Accessories at CV Aonine Kreasi Mandiri Using ARIMA Model Putri, Della Seviana; Sani, Dian Ahkam; Udin, Muhammad
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.742

Abstract

This study aims to apply the Autoregressive Integrated Moving Average (ARIMA) method to forecast the inventory of pearl accessories at CV Aonine Pearls. The ARIMA method has proven effective for short-term forecasting and can assist the company in determining optimal stock levels, thereby reducing the risk of overstock or understock situations. The implementation of ARIMA is expected to improve operational efficiency, reduce storage costs, and enhance customer satisfaction through timely and adequate product availability. This abstract summarizes the research objective, methodology used, and expected outcomes. It briefly explains the use of ARIMA for stock prediction and its benefits in optimizing inventory management. The forecasting model shows consistent stock movement stability across products. The applied ARIMA model achieved an accuracy rate of 86.20% based on validation using historical data, providing a reliable empirical foundation for inventory optimization and production strategy planning for Q1 2024.
A Random Oversampling and BERT-based Model Approach for Handling Imbalanced Data in Essay Answer Correction Dian Ahkam Sani
JURNAL INFOTEL Vol 16 No 4 (2024): November 2024
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v16i4.1224

Abstract

The task of automated essay scoring has long been plagued by the challenge of imbalanced datasets, where the distribution of scores or labels is skewed towards certain categories. This imbalance can lead to poor performance of machine learning models, as they tend to be biased towards the majority class. One potential solution to this problem is the use of oversampling techniques, which aim to balance the dataset by increasing the representation of the minority class. In this paper, we propose a novel approach that combines random oversampling with a BERT-base uncased model for essay answer correction. This research explores various scenario of text pre-processing techniques to optimize model accuracy. Using a dataset of essay answers obtained from eighth-grade middle school students in Indonesian language, our approach demonstrates good performance in terms of precision, recall, F1-score and accuracy compared to traditional methods such as Backpropagation Neural Network, Naïve Bayes and Random Forest Classifier using FastText word embedding with Wikipedia 300 vector size pretrained model. The best performance was obtained using the BERT-base uncased model with 2e-5 learning rate and a simplified pre-processing approach. By retaining punctuation, numbers, and stop words, the model achieved a precision of 0.9463, recall of 0.9377, F1-score of 0.9346, and an accuracy of 94%.
Co-Authors Achmad Syarifuddin Ainun najib, Mukhamad Ainur Rodliyah Anggadimas, Nanda Martyan Aprilia, Yunita Nur Fahmi, Jamaluddin Faiqul Himam Faiqul Himam Fijriyah, Immilda Lailatul Karim, Syafei KHOIRUL ANWAR Laila Safira M. Zoqi Sarwani Maulana, Muhamad Filla Akbar Misdram, Muhammad Moch Yazid Mochammad Firman Arif Mochammad Firman Arif Mochmmad Zoqi Sarwani Mohamad Khoiron Mohammad Zoqi Sarwani Mohammad Zoqi Sarwani, Mohammad Zoqi Muhammad Mahrus Ali Muhammad Misdram Muhammad Udin Muhammad Udin Nanda Martyan Anggadimas Putri, Della Seviana Ramadaniati, Setta Rizki Ikhwan Pamuji Rudi Hariyanto Safira, Laila Salafudin, Muhammad Shubkhan Setiawan, Muhamad Agus Setta Ramadaniati Sofiah Baiti Auliyah Suharyadi, Heri Udin, Muhammad Zoqi Sarwani, Moh.