Claim Missing Document
Check
Articles

Smart Village Application untuk Meningkatkan Pelayanan Publik Pemerintah Desa Katonsari Kabupaten Demak M. Al Haris; Prizka Rismawati Arum; Dannu Purwanto; Ali Imron; Linda Puspitasari; Miftakhul Haris
LOSARI: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2023): Desember 2023
Publisher : LOSARI DIGITAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53860/losari.v5i2.161

Abstract

Pemerintah Desa Katonsari Kabupaten Demak, Provinsi Jawa Tengah, berkomitmen untuk memberikan pelayanan terbaik kepada warganya. Saat ini, pelayanan publik masih dilakukan secara manual yang mengakibatkan ketidakefektifan dan ketidakefisienan dalam pelayanan. Selain itu, sumber daya manusia di Desa Katonsari masih belum memiliki keterampilan teknologi informasi, sehingga perlu meningkatkan kemampuan dalam memanfaatkan teknologi. Untuk mengatasi permasalahan tersebut, tim pengabdian Universtas Muhammadiyah Semarang memberikan solusi dalam bentuk "Smart Village Application" untuk meningkatkan pelayanan publik pemerintah Desa Katonsari. Tahapan kegiatan diawali dengan identifikasi kebutuhan desa dengan pendekatan wawancara, perancangan sistem smart village application, pelatihan penggunaan sistem, dan evaluasi terhadap kinerja dan keefektifan sistem. Sasaran kegiatan ditujukan kepada perangkat desa dan beberapa warga Desa Katonsari sejumlah 30 orang. Berdasarkan kegiatan yang telah dilaksanakan, peserta kegiatan terlihat antusian dan puas terhadap program yang dilaksanakan. Hal tersebut didasarkan pada hasil survei kepuasan yang Tim pengabdian lakukan setelah selesai kegiatan.
Implementation of K-Means to Classify Poverty Based on Housing Characteristics in Central Java in 2021 Setyaningsih, Laras Indah; Wulandari, Anjelina Rafika; Arum, Prizka Rismawati
Jurnal Pendidikan Matematika Vol 6, No 1 (2023): Jurnal Pendidikan Matematika (Kudus)
Publisher : Universitas Islam Negeri Sunan Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21043/jpmk.v6i1.19529

Abstract

Poverty is a condition in which a person's inability to meet basic needs such as food, clothing, shelter, and education so that he is unable to guarantee his own survival. To support the successful implementation of development programs, especially those aimed at reducing poverty, grouping districts/cities using cluster analysis can be assisted. Cluster analysis can be carried out to identify how the poverty rate is based on housing characteristics in Central Java which can be taken into consideration so that development programs are more targeted. Cluster analysis is a grouping method in which a group has the same characteristics, while between groups have different characteristics. K-means is one of the algorithms in data mining that can be used for grouping/clustering. The purpose of this study was to determine the classification of poverty in Central Java districts/cities based on housing indicators which include the floor area of the house, building materials for the widest floor, sources of drinking water, main building materials for roofs, and main fuel for cooking. This study yielded three clusters, with cluster 1 consisting of 22 districts and cities, cluster 2 consisting of 5 districts and cities, and cluster 3 consisting of 8 districts and cities. Cluster 1 grouping indicators were based on the sources of drinking water and the type of fuel used for cooking, cluster 2 grouping indicators were based on the size of the house's floor plan, and cluster 3 grouping indicators were based on the materials used to construct the house's widest floor and its main roof. Kemiskinan merupakan kondisi dimana ketidakmampuan seseorang untuk memenuhi kebutuhan pokok seperti pangan, sandang, papan dan pendidikan sehingga tidak mampu menjamin kelangsungan hidupnya sendiri. Untuk menunjang keberhasilan pelaksanaan program-program pembangunan, khususnya yang ditujukan untuk mengurangi kemiskinan dapat dibantu dengan mengelompokkan kabupaten/kota dengan analisis cluster. Analisis cluster dapat dilakukan untuk mengenali bagaimana tingkat kemiskinan berdasarkan karakteristik perumahan di Jawa Tengah yang dapat dijadikan pertimbangan agar program-program pembangunan lebih tepat sasaran. Analisis cluster merupakan suatu metode pengelompokan dimana dalam suatu kelompok mempunyai karakteristik yang sama, sedangkan antar kelompok mempunyai karakteristik yang berbeda. K-means merupakan salah satu algoritma dalam data mining yang dapat digunakan untuk mengelompokkan/clustering. Tujuan penelitian ini ialah untuk mengetahui pengelompokan kemiskinan Kabupaten/Kota Jawa Tengah berdasarkan indikator perumahan yang meliputi luas lantai rumah, bahan bangunan untuk lantai terluas, sumber air minum, bahan bangunan utama untuk atap rumah, dan bahan bakar utama untuk memasak. Penelitian ini menghasilkan 3 cluster dengan cluster 1 memiliki anggota 22 Kabupaten/Kota, cluster 2 memiliki anggota 5 Kabupaten/ Kota, cluster 3 memiliki anggota 8 Kabupaten/Kota. Indikator pengelompokkan cluster 1 didasarkan kepada sumber air minum dan bahan bakar untuk memasak yang digunakan, indikator pengelompokan cluster 2 didasarkan kepada luas lantai rumah, sedangkan indikator pengelompokkan cluster 3 didasarkan kepada bahan bangunan untuk lantai terluas dan bahan bangunan utama untuk atap rumah.
HYBRID RESAMPLING METHOD AND HYPERPARAMETER OPTIMIZATION FOR HIV/AIDS PREDICTION: EVIDENCE FROM EIGHT MACHINE-LEARNING MODELS Lydia Nur Sa'adah; Fatkhurokhman Fauzi; Prizka Rismawati Arum; M Al Haris; Yan Nazala Bisoumi
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 11 No. 4 (2026): JITK Issue May 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v11i4.7533

Abstract

HIV/AIDS remains a global health challenge with continuously increasing infection rates, highlighting the importance of accurate prediction models to support prevention and early detection. However, the development of such models is often constrained by class imbalance and irrelevant features. This study aims to improve HIV/AIDS infection prediction by integrating feature selection, data balancing techniques, and eight machine learning algorithms. Feature selection was performed using Mutual Information and Chi-Square to identify the most relevant features. The dataset used was the HIV/AIDS Infection Prediction Dataset from Kaggle, consisting of 2,139 instances and 23 features, with an imbalanced distribution of 1,618 non-infected and 521 infected cases. The dataset was divided into 80% training data and 20% testing data, with resampling applied only to the training set to prevent data leakage. Three resampling scenarios were evaluated: no sampling, SMOTE, and SMOTE-ENN. Hyperparameter tuning was conducted using Bayesian Optimization integrated with 5-fold Cross-Validation to improve model robustness and reliability. Eight machine learning algorithms were evaluated, including Decision Tree, Random Forest, AdaBoost, Gradient Boosting, XGBoost, LightGBM, K-Nearest Neighbors, and Logistic Regression. The results show that SMOTE-ENN combined with hyperparameter optimization significantly improved model performance. The best model, Gradient Boosting + SMOTE-ENN, achieved 96.1% accuracy, 94.8% precision, 98.4% recall, and 96.5% F1-score. These findings indicate that the proposed integrated framework is highly effective for predicting HIV/AIDS infection and has strong potential to support early diagnosis and data-driven decision-making in healthcare.
Pengaruh Rata-Rata Lama Sekolah, Angka Harapan Hidup Dan Pengangguran Terhadap Kemiskinan Di Kabupaten Solok Selatan: The Effect of Average Length of School, Life Expectancy, and Unemployment on Poverty in South Solok Regency Yulia Fitri; Prizka Rismawati Arum; Ali Imron
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.136

Abstract

Kegiatan yang dilakukan adalah data entry Survei Sosial Ekonomi Nasional (SUSENAS) dan Survei Angkatan Kerja Nasional (SAKERNAS) di Kabupaten Solok Selatan Tahun 2022 yang kemudian dilakukan penelitian mendalam berbentuk laporan PKl. Hasil akhir pada penelitian ini menunjukkan bahwa asumsi dasar telah terpenuhi yaitu BLUE estimation sehingga diperoleh homoskedastisitas, tidak multikolinearitas, dan tidak ada autokorelasi. Sehingga dapat disimpulkan bahwa variabel dalam penelitian ini memenuhi aturan OLS. Dengan variabel rata-rata lama sekolah dan usia harapan hidup secara simultan berpengaruh terhadap kemiskinan. Sementara itu, tingkat pengangguran terbuka tidak secara simultan mempengaruhi kemiskinan di Kabupaten Solok Selatan tahun 2011-2021.
Pemodelan Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk Meramalkan Volume Angkutan Barang Kereta Api di Pulau Jawa Tahun 2021: Memberikan prediksi volume angkutan barang kereta api di pulau jawa untuk masa mendatang ine fitriani; Prizka Rismawati Arum; Saeful Amri
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.167

Abstract

Tujuan penelitian ini untuk meramalkan jumlah angkutan barang menggunakan kereta api di Pulau Jawa. Metode yang digunakan yakni pendekatan kuantitatif dengan memanfaatkan sumber data sekunder dari situs resmi Badan Pusat Statistik (bps.go.id). Hasil penelitian memberikan gambaran jika terdapat prediksi penurunan pada bulan November 2021, yang disertai oleh peningkatan pada periode berikutnya. Dalam upaya peramalan, digunakan model SARIMA(0,1,1)(0,2,0)12. Keputusan menggunakan model ini didasarkan pada parameter yang signifikan serta pemenuhan asumsi terkait residu white noise. Model ini dipilih sebagai model terbaik karena memiliki nilai AIC yang paling rendah dibandingkan dengan model SARIMA lain yang telah melalui uji diagnostik residual
Implementation of K-Means Algorithm to Group Age of Cardiovascular Disease Patients: Impelementasi Algoritma K-means untuk Mengelompokkan Usia Penderita Penyakit Kardiovaskular Mulya Asy-syifa Rahmi; Prizka Rismawati Arum; Tiani Wahyu Utami
Journal of Data Insights Vol 3 No 1 (2025): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v3i1.216

Abstract

Cardiovascular disease, including coronary heart disease, peripheral arteries and heart failure, is a serious disease that is the leading cause of death globally. Risk factors such as high blood pressure, dyslipidemia, smoking, diabetes, and obesity contribute to the development of this disease. This study aims to group cardiovascular disease sufferers based on age using the k-means clustering method with optimization of the k value using the elbow method. The data used comes from more than 35,000 preprocessed observations. The analysis results show that the optimal number of clusters is five. Data preprocessing succeeded in cleaning the data from missing values, and the elbow method helped determine the number of clusters that were relevant for age grouping of cardiovascular disease sufferers. The results of this grouping can be used for further analysis in efforts to prevent and manage cardiovascular disease.
Permodelan Jumlah Kasus Tuberkulosis Di Kabupaten Purbalingga Tahun 2022 Menggunakan Regresi Binomial Negatif: Modeling the Number of Tuberculosis Cases in Purbalingga Regency in 2022 Using Negative Binomial Regression Prizka Rismawati Arum; Indah Manfaati Nur; Amalia Jihan Syafiqoh; Hanief Rizky Utami
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.273

Abstract

Menurut data dari Dinkes Purbalingga pada bulan Mei 2022 ditemukan 422 kasus TBC dan 9 diantaranya menderita TBC Multi Drug Resistant (MDR) atau kebal obat. Untuk kasus TBC MDR saat ini menjadi perhatian kusus pemerintah, hal ini karena masa penyembuhannya membutuhkan waktu yang lebih lama. Penyakit TB Paru merupakan salah satu penyebab kematian utama di Indonesia dan dunia. Selain menyerang Paru, Tuberculosis dapat menyerang organ tubuh yang lain. Jumlah orang terduga Tuberkulosis tahun 2022 sebanyak 11.324 dan orang terduga tuberkulosis yang mendapatkan pelayanan kesehatan sesuai standar sebanyak 12.072 (106,6%). Oleh karena itu, perlu dilakukan upaya untuk memodelkan jumlah kasus TBC di Kabupaten Purbalingga agar dapat memberikan informasi yang berguna dalam upaya pencegahan dan pengendalian penyakit TBC.Model regresi Poisson sering ditemukan pelanggaran asumsi overdispersi dengan memodelkan faktor-faktor yang berpengaruh terhadap kasus tuberculosis. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan nilai AIC diperoleh hasil pemodelan terbaik menggunakan regresi binomial negatif dengan nilai AIC sebesar 191.96 yang lebih kecil dari metode regresi Poisson.Berdasarkan uji parsial dihasilkan bahwa variabel yang berpengaruh terhadap jumlah kasus tuberculosis di Kabupaten Purbalingga adalah X2 yaitu jumlah puskesmas.
Comparison of Holt-Winters Exponential Smoothing (HWES) and Singular Spectrum Analysis (SSA) Methods in Forecasting the Number of Passengers at PT KAI in Indonesia: Perbandingan Metode Holt-Winters Exponential Smoothing (HWES) Dan Singular Spectrum Analysis (SSA) Pada Peramalan Jumlah Penumpang PT KAI di Indonesia Samikoh Ulinuha; Tiani Wahyu Utami; Prizka Rismawati Arum; Dannu Purwanto
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.654

Abstract

Penelitian ini mengkaji penerapan dua metode peramalan, yaitu Holt Winters Exponential Smoothing (HWES) dan Singular Spectrum Analysis (SSA), dalam meramalkan jumlah penumpang di PT Kereta Api Indonesia. Hasil penelitian menunjukkan bahwa penerapan metode HWES dengan model additive menghasilkan nilai parameter pemulusan optimal dengan alpha , beta dan gamma model ini memiliki nilai MAPE sebesar 10.75%. Sementara itu, pada HWES model multiplicative menghasilkan nilai parameter pemulusan alpha , beta dan gamma , menghasilkan nilai MAPE 14.50%. Metode SSA dengan window length menghasilkan nilai MAPE 13.33%. Perbandingan nilai MAPE anatara metode HWES additive, HWES multiplicative dan SSA menunjukkan bahwa HWES additive lebih unggul dengan MAPE sebesar 10.75%. Peramalan jumlah penumpang Kereta Api Indonesia menggunakan metode terbaik Holt Winters Exponential Smoothing Additive untuk periode Januari hingga Desember 2024 memperlihatkan variasi jumlah penumpang terendah pada bulan Agustus dan tertinggi pada bulan Januari.
MODELLING SCHOOL DROPOUT RATES IN WEST JAVA PROVINCE WITH MIXED GEOGRAPHICALLY TEMPORALLY WEIGHTED REGRESSION Prizka Rismawati Arum; Endang Tri Wahyuni Maharani; Diandra Fatimahthus Zahra; Tiani Wahyu Utami
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 20 No 1 (2026): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol20iss1pp0123-0136

Abstract

School dropout is a problem in the education sector that can hinder the progress of the quality of human resources and the competitiveness of the nation. West Java Province has the highest school dropout rates among all provinces in Indonesia. The data on school dropout rates exhibit spatial and temporal variations. Additionally, the potential differences between regions allow for the occurrence of diverse data that can be addressed locally and globally. Mixed Geographically Temporally Weighted Regression (MGTWR) is an extension of the GWR method that can produce parameters that are both local and global for each location and time. So, the objective of this research is to obtain factors that have a local and global influence on the school dropout rate in West Java Province using the Mixed Geographically Temporally Weighted Regression method. In this study, the data used includes school dropout rates in West Java Province from 2018 to 2022. The data used is sourced from the official statistical data website of the Ministry of Education, Culture, Research and Technology, and the official website of the West Java Province Central Statistics Agency. The results of the MGTWR modeling show that globally influential variables include the percentage of the poor population, population density, unemployment rate, and average length of schooling, which have local effects. Based on the MGTWR model, the Fixed Kernel Gaussian weighting function is the best model for modeling school dropout rates in regencies/cities in West Java, with an RMSE value of 0.0755 and R-squares of 92.09%.
Infografis Dampak Pandemi Covid-19 sebagai Upaya Edukasi Pemberdayaan Masyarakat Desa Katonsari Kecamatan Demak Prizka Rismawati Arum; Eko Andy Purnomo; Ali Imron; M. Al Haris; Fatkhurrokhman Fauzi; Ach Ridoi Alambara
Jurnal Pengabdian Masyarakat: Tipis Wiring Vol 1 No 2 (2022): Tepis Wiring: Jurnal Pengabdian Masyarakat
Publisher : Fakultas Ekonomi dan Bisnis Unversitas Islam Raden Rahmat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/tepiswiring.v1i2.2978

Abstract

Based on observations in the Katonsari Village, Demak District, Demak Regency, the delivery of information about Covid-19 and its impacts is still traditional, namely using text, tables or diagrams that are less attractive. Katonsari Village apparatus must have innovations in conveying information about Covid-19 and its impacts, such as new methods or media for conveying information. One of them is through infographics. Through the training, mentoring, mentoring and coaching that will be carried out, it is hoped that it will be able to make the officials of Katonsari Village, Demak District, Demak Regency more professional in utilizing IT to convey information on the impact of Covid-19 to the public through infographics. So that it can increase the awareness of the people of Katonsari Village in preventing Covid-19. This program consists of several stages which include delivering conceptual material on infographics, compiling data on the impact of Covid-19 into IT-based information, especially infographics, and socializing the results of infographics to the public.
Co-Authors Ach Ridoi Alambara Agi Khoerunnisa Alda Putri Pratiwi Alfidayanti, Ina Alfisyahrina Hapsery Ali Imron Ali Imron Alwan Fadlurohman Amalia Jihan Syafiqoh Amri, Saeful Anisa Putri Arla Vatwa Lubu Apipah Nur Azizah Aqsal Maulana Arsusma, Jesicha Roselina Arya Praditya Cika Awani Ayuwida Cintadea Amanda Dwi Aryani Dannu Purwanto Dhani, Oktaviana Rahma Dheanyta Alif Shafira Diandra Fatimahthus Zahra Dominikus Leki Sogen Dwi Rahmadini Eko Andy Purnomo Elvia Nanda Sofiyanti Endang Tri Wahyuni Maharani Erlinda, Relly Evida Oktaviana Fatkhurokhman Fauzi Fatkhurrokhman Fauzi Fauzi, Fatkhurokhman Fenny Amalia Adani Fitriyah, Novina Indah Gautama, Rahmad Putra Hanief Rizky Utami Haris, M Al Indah Fitriyani Indah Fitriyani Indah Manfaati Nur Indah Manfaati Nur Indah Sulistiya Indriani, Anita Retno ine fitriani Isna Nur Azizah Izzadin Muhamad Nur Irfan Kurnia Nur Annisa Laila Khoirun Nisa Linda Puspitasari Lisa Anggraini Lydia Nur Sa'adah M. Al Haris Miftakhul Haris Mohammad Ridwan Muhammad Saifudin Nur Mulya Asy-syifa Rahmi Nerisa Rahma Nursamsiah Nursamsiah Prissy Nusaiba Yulisa Puspitasari, Listi Putro, Dwi Purnomo Rochdi Wasono Rochdi Wasono Samikoh Ulinuha Sarah, Albertus Dion Setyaningsih, Laras Indah Siti Mutiah Siva Alfian Sugito Sugito supriadin supriadin Supriyadin, Supriyadin Tiani Wahyu Utami Tresiani Yunitasari Triky, Yolan Velia Arni Widyasari Widiyanti, Karin Dita Wisudawati, Dinda Tri Wulandari, Anjelina Rafika Yan Nazala Bisoumi Yuciana Wilandari Yulia Fitri