Article Per Year (5 Year)
p-Index From 2021 - 2026
5.688
P-Index
This Author published in this journals
All Journal Jurnal Rekayasa Mesin Jurnal Kesehatan Vokasional Jurnal SOLMA BAREKENG: Jurnal Ilmu Matematika dan Terapan JURIKOM (Jurnal Riset Komputer) ComTech: Computer, Mathematics and Engineering Applications Vygotsky: Jurnal Pendidikan Matematika dan Matematika Inferensi Jurnal Sistem Komputer dan Informatika (JSON) Reswara: Jurnal Pengabdian Kepada Masyarakat Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Jurnal Statistika dan Aplikasinya ABIDUMASY : Jurnal Pengabdian kepada Masyarakat Decode: Jurnal Pendidikan Teknologi Informasi Indonesian Collaboration Journal of Community Services (ICJCS) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat)
Denny Nurdiansyah
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Comparison of Decomposition and Triple Exponential Smoothing Methods to Improve Rice Production Forecasting in East Java Province Lathifah, Nur Aisyatul; Nurdiansyah, Denny; Kartini, Alif Yuanita
Vygotsky: Jurnal Pendidikan Matematika dan Matematika Vol. 7 No. 1 (2025): Vygotsky: Jurnal Pendidikan Matematika dan Matematika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/voj.v7i1.1119

Abstract

This study forecasts rice production in East Java using Triple Exponential Smoothing (Holt-Winters) and Decomposition. Data includes rice production in dry milled grain (GKG) from January 2018 until December 2023, sourced from the Central Statistics Agency (BPS) of East Java. The analysis identifies the Holt-Winters Multiplicative model as the most effective, with the lowest error values: Mean Absolute Percentage Error (MAPE) of 0.1452, Mean Absolute Deviation (MAD) of 0.1078, and Mean Squared Error (MSE) of 0.0286 during training, and MAPE of 0.1974, MAD of 0.1909, and MSE of 0.0858 during testing. The Holt-Winters Multiplicative model is recommended for future rice production predictions, providing reliable method for accurate forecasting, and aiding in future rice demand planning in East Java.
Analisis Metode Ensemble Berbasis Random Forest untuk Klasifikasi Kejadian Stroke pada Dataset Publik Viki Mei Adi Saputra; Mula Agung Barata; Denny Nurdiansyah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9496

Abstract

Stroke merupakan salah satu penyebab utama disabilitas dan kematian global, sehingga diperlukan pendekatan berbasis data untuk mendukung klasifikasi kejadian stroke secara sistematis. Penelitian ini menganalisis variasi metode ensemble berbasis Random Forest pada dataset publik healthcare-dataset-stroke-data dari Kaggle yang terdiri dari 5.110 data pasien dengan 11 variabel demografis dan faktor risiko kardiovaskular. Tahapan prapemrosesan meliputi imputasi nilai hilang pada atribut bmi menggunakan median, penanganan outlier dengan metode interquartile range (IQR), serta penyeimbangan kelas menggunakan SMOTE. Tiga skenario model dikembangkan dalam satu pipeline yang seragam, yaitu Random Forest sebagai baseline, Bagging Random Forest, dan AdaBoost Random Forest. Evaluasi dilakukan menggunakan 5-Fold Cross Validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan adanya perbedaan nilai metrik evaluasi antar skema ensemble, dengan konfigurasi AdaBoost Random Forest menghasilkan nilai akurasi sebesar 94,70% pada konfigurasi pengujian yang digunakan. Studi ini memfokuskan analisis pada variasi strategi ensemble dalam satu kerangka Random Forest dengan pipeline prapemrosesan yang seragam, sehingga menghasilkan evaluasi yang terkontrol dan reprodusibel.
Penguatan Digitalisasi dalam Pendidikan Islam melalui Penerapan Statistika Dasar di Pondok Pesantren Roudlatul Ulum Campurejo Bojonegoro Denny Nurdiansyah; Moh. Miftahul Choiri; Auliyaur Rokhim; Andika Dwi Setiawan; Muhammad Kholil Asyhuri
Jurnal SOLMA Vol. 15 No. 1 (2026)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v15i1.20984

Abstract

Latar Belakang: Pengelolaan administrasi dan evaluasi pembelajaran di Pondok Pesantren Roudlatul Ulum Campurejo Bojonegoro sebelumnya masih dilakukan secara manual, sehingga kurang efisien dan menyulitkan proses pengambilan keputusan berbasis data. Disamping itu berita terkait kegiatan-kegiatan pondok pesantren kurang sampai ke masyarakat, sehingga pondok pesantren kurang mendapat dukungan dari masyarakat baik dalam hal donasi maupun tenaga. Kegiatan pengabdian ini bertujuan meningkatkan efisiensi manajemen, transparansi data, dan keterlibatan masyarakat melalui penerapan teknologi digital yang relevan dengan kebutuhan mitra. Metode: Pelaksanaan pengabdian kepada masyarakat ini dilakukan dengan serangkaian kegiatan, meliputi sosialisasi, empat workshop teknis (digitalisasi administrasi berbasis Microsoft Excel, evaluasi pembelajaran menggunakan Analysis ToolPak, pembuatan database digital dengan Google Forms/Sheets, dan pengelolaan WebBlog), penerapan teknologi, pendampingan, serta strategi keberlanjutan program. Hasil: ditunjukkan peningkatan signifikan hasil pengabdian pada empat indikator utama, yaitu: digitalisasi administrasi (70%), tersusunnya laporan evaluasi pembelajaran (80%), pendataan penerima manfaat pesantren (santri) (75%), dan publikasi kegiatan-kegiatan pondok pesantren dengan masyarakat melalui media digital (70%). Luaran ini berdampak langsung pada peningkatan kapasitas digital tenaga pendidik, efisiensi tata kelola pesantren, dan keterhubungan dengan masyarakat. Kesimpulan: Penerapan digitalisasi berbasis pelatihan dan pendampingan intensif terbukti efektif menjawab tantangan pengelolaan pesantren, dan direkomendasikan untuk dikembangkan ke sistem berbasis cloud agar dapat diadopsi oleh lebih banyak lembaga pendidikan berbasis komunitas.
Analisis Prediksi Resiko Perceraian Menggunakan Algoritma Random Forest dengan Optimasi Hyperparameter Random Search Nisa, Indah Khoirun; Vikri, Muhammad Jauhar; Diansyah, Denny nur
JURNAL RISET KOMPUTER (JURIKOM) Vol. 13 No. 2 (2026): April 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i2.9529

Abstract

Divorce is a social problem that continues to increase and has negative impacts on the psychological, social, and economic conditions of individuals and families. This study aims to build a divorce risk prediction model using the Random Forest algorithm with hyperparameter optimization using the Random Search method. The dataset was obtained from the Kaggle platform with 170 samples and 54 psychological-behavioral attributes of couples. The research stages included data preprocessing, dataset splitting (80:20), baseline model development, hyperparameter optimization with Random Search, and evaluation using accuracy, precision, recall, and AUC-ROC metrics. The results showed that the model achieved 94.12% accuracy on the test data with 97% recall that minimizes false negative risk. Hyperparameter optimization successfully improved the model's internal stability with a cross-validation average of 98.57%, although the test accuracy was equivalent to the baseline model. A gap of 4.45% between validation and test accuracy indicates potential overfitting, which is common in small datasets. Feature importance analysis revealed five dominant psychological factors: willingness to compromise, effective communication, conflict resolution, alignment of life values, and forgiveness ability. This research contributes to the development of an early detection system for divorce risk based on machine learning and provides an empirical basis for more targeted counseling interventions
Analisis Klasifikasi Hepatitis Menggunakan Synthetic Minority Oversampling Technique, Support Vector Machine, dan Random Forest Laily, Amalia Nur; Barata, Mula Agung; Nurdiansyah, Denny
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 1: MARET 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i1.1630

Abstract

Hepatitis akibat infeksi virus masih menjadi masalah kesehatan masyarakat yang serius sehingga deteksi dini berbasis data klinis penting untuk mencegah kerusakan hati lebih lanjut. Penelitian ini menganalisis kinerja algoritma Support Vector Machine (SVM) dan Random Forest pada klasifikasi hepatitis serta mengkaji dampak penerapan Synthetic Minority Over-sampling Technique (SMOTE). Dataset yang digunakan adalah HepatitisCdata.csv dari Kaggle dengan 615 data pasien yang memuat atribut demografis dan parameter biokimia hati. Tahapan penelitian meliputi preprocessing data, penanganan outlier, transformasi atribut kategorikal, serta pembangunan model baseline dan SMOTE. Evaluasi dilakukan menggunakan 10-fold cross-validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SMOTE meningkatkan performa kedua algoritma, dengan Random Forest + SMOTE memberikan hasil terbaik (akurasi 98,85%) dibandingkan SVM + SMOTE (98,50%). Kontribusi penelitian ini terletak pada penggunaan pipeline preprocessing dan evaluasi yang seragam untuk membandingkan dampak SMOTE secara langsung pada dua algoritma klasifikasi hepatitis.
ANALISIS SENTIMEN PUBLIK TERHADAP CHATGPT: PERBANDINGAN LOGISTIC REGRESSION DAN DISTILBERT Meilasaroh, Wella Vernanda; Pajri, Afril Efan; Nurdiansyah, Denny
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 2: JULI 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i2.1644

Abstract

Tujuan penelitian ini adalah menganalisis opini publik terhadap ChatGPT berdasarkan ulasan pengguna di Google Play Store, juga mengkomparasikan kinerja dua metode klasifikasi sentimen: Logistic Regression (klasik) + TF-IDF dan DistilBERT (Transformer modern). Dataset dari ChatGPT Reviews Daily Updated yang diproses melalui prapemrosesan teks, pelabelan sentimen, pembentukan fitur, pelatihan model, dan evaluasi performa. Hasil menunjukkan dominasi sentimen positif (87,41%) dan karakteristik teks yang sangat pendek (1–10 kata). Logistic Regression mencapai akurasi 88,39% dan F1-Score 84,12%, tetapi gagal mengenali kelas minoritas karena ketidakseimbangan data. Sedangkan DistilBERT mencapai akurasi 89,57% dan F1-Score 87,35%, dengan kemampuan jauh lebih baik dalam mengklasifikasikan sentimen negatif dan netral. Hal ini menunjukkan bahwa model Transformer lebih mampu memahami konteks semantik dan tahan terhadap variasi bahasa informal. Secara keseluruhan, opini publik terhadap ChatGPT sangat positif, dan DistilBERT terbukti lebih efisien untuk menganalisis ulasan aplikasi dengan distribusi kelas tidak seimbang dan teks pendek. Penelitian ini memberikan dasar empiris dalam memilih model NLP untuk analisis sentimen terkait teknologi generatif.
Co-Authors Afril Efan Pajri Agus Sulistiawan Alfiansyah, Achmad Thoriq Habib Andika Dwi Setiawan Anisa, Firda Anna Apriana Hidayanti Auliyaur Rokhim Aziz, Su’udin Dinda Ayu Aprilia Elsa Maulida Safitri Emilia Fatmawati Erna Hayati, Erna Fadhilatun Ni’mah Fasroin, Siti Habibah Zulfana Lailiyah Habibullah, M. Noor Hidayatul Fitriyah Ika Purnamasari Jauhar Vikri, Muhammad Julianto, Kurnia Amirza Kartini, Alif Yuanita Khiorul Wafa Khoirina, Jami’atul Khoirul Wafa Koniva, Deskia Dwi Nur Kusniar, Niken Nadif Ulfiya Labiba Kusna, Siti Laily, Amalia Nur Lathifah, Nur Aisyatul Levia, Zachdyna Aurelya Lilis Dwi Agustin M. Ridlwan Hambali Meilasaroh, Wella Vernanda Miftakhul Khasanah Mochamad Nizar Palefi Ma’ady Moh. Miftahul Choiri Moh. Miftahul Choiri Muhammad Jauharul Fawaiq Muhammad Kholil Asyhuri Muhammad Maftuchin Muhammad Shofiyudin Mula Agung Barata Mutiani, Tia Nabila, Anti Nailil Muna Nasirudin, M. Nisa, Indah Khoirun Nita Cahyani Novitasari, Diah Ayu Novitasari, Diah Ayu Nurfirdaus, Retno Eka Oktafiya, Dewi Putri Nur Patmawati, Pebriana Putri Pebriani, Putri Vatria Pradana, Muhammad Yulvi Aditya Putri Utami, Putri Rahayu, Yuliana Fuji Rahman, Rifqi Maulana Ridho, Sari Lestari Zainal Ririn Fauziyah Rista, Tia Fadila Rohmawati, Siti Rokhim, Auliyaur Romadona, Sefia Rara Saidah, Saniyatus Siti Marfuah, Siti Sukmawaty, Yuana Suwandi, Edi Syarif Husen Teguh Pribadi Ubaidillah, Muhammad Zahid Utomo, Muchammad Chandra Cahyo Viki Mei Adi Saputra Wicaksono, Ahmad Agus Wijayanti, Lulud Yuliana, Ummi Agustin Zainul Abidin