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 
Deteksi Dini Hipertensi pada Usia Dewasa Menggunakan Deep Neural Network Berdasarkan Data Skrining Kesehatan Sofiah Baiti Auliyah; Dian Ahkam Sani; Muhammad Udin
INTEGER: Journal of Information Technology Vol 11, No 2 (2026): 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.2026.v11i2.9139

Abstract

Hypertension is one of the leading causes of cardiovascular disease and contributes significantly to mortality worldwide. Early detection is essential to reduce the risk of complications and improve preventive healthcare. This study aims to develop an early hypertension detection model for adults using the Deep Neural Network (DNN) algorithm based on community health screening data collected from Posyandu Desa Tebas, Gondangwetan District, Pasuruan Regency. The dataset consisted of 214 health records with seven input variables: gender, age, body weight, height, waist circumference, systolic blood pressure, and diastolic blood pressure. Data preprocessing included data cleaning, feature selection, label encoding, standardization using StandardScaler, and dataset splitting into 80% training data and 20% testing data. The proposed DNN architecture consisted of three hidden layers with ReLU activation, a Sigmoid output layer, Adam optimizer, Binary Crossentropy loss function, Dropout, and Early Stopping to reduce overfitting. Experimental results showed that the proposed model achieved an accuracy of 88.37%, with precision of 94%, recall of 91%, and F1-score of 93% for the hypertension class. These results indicate that the Deep Neural Network model can effectively classify hypertension status and has the potential to support early screening for hypertension.
Pengembangan Aplikasi Android untuk Rekomendasi Penyiraman Cerdas Berbasis IoT dengan Metode Fuzzy C-Means dan Jaringan Saraf Tiruan Syafei Karim; Dian Ahkam Sani
Joutica Vol 11 No 02 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v11i02.1657

Abstract

Pengelolaan irigasi yang efisien sangat penting untuk mengoptimalkan penggunaan air dan menjaga kondisi tanah yang mendukung pertumbuhan tanaman. Meskipun banyak model kecerdasan buatan telah dikembangkan, sistem konvensional kerap kesulitan menggeneralisasi rekomendasi karena mengabaikan ambiguitas dan tumpang tindih (overlapping) pola data lingkungan. Penelitian ini secara eksplisit berkontribusi pada pengembangan sistem rekomendasi penyiraman hibrida (hybrid) berbasis edge-computing, yang mengintegrasikan pelabelan otomatis Fuzzy C-Means (FCM) dengan prediksi Jaringan Saraf Tiruan (JST) pada aplikasi Android. Sistem ini memproses kumpulan dataset berjumlah 96.547 sampel yang diperoleh dari empat parameter sensor yaitu intensitas cahaya, suhu udara, kelembapan udara, dan kelembapan tanah. Melalui metode FCM, data lingkungan tersebut diurai secara objektif ke dalam empat kelas kondisi, yaitu: 0, 1, 2, dan 3. Untuk memastikan keandalan model, tahap evaluasi dilakukan menggunakan metode Confusion Matrix dalam skema pengujian 5-Fold Cross Validation (k=5). Pada setiap iterasi pengujiannya, dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil eksperimen menunjukkan performa model yang luar biasa stabil dengan rata-rata akurasi sebesar 98,85%, presisi 98,23%, recall 97,48%, dan F1-Score 97,78%. Setelah hasil pengujian model, model JST dikonversi menjadi TensorFlow Lite (TFLite) dan diintegrasikan secara real-time ke dalam aplikasi perangkat seluler Android. Secara praktis, sistem ini memetakan keempat prediksi kelas lingkungan tersebut ke dalam tiga perilaku penyiraman: tanpa penyiraman (menggabungkan kelas 0 dan 3 yang memiliki karakteristik kebutuhan air serupa), penyiraman volume sedang, dan penyiraman volume tinggi. Hasil penelitian ini membuktikan bahwa pendekatan hibrida FCM dan JST yang diusulkan sangat efisien sebagai sistem pendukung keputusan irigasi dalam pertanian presisi. Penelitian lanjutan dapat difokuskan pada perluasan volume dataset serta integrasi langsung terhadap perangkat keras penyiraman berbasis Internet of Things (IoT).  
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.