Article Per Year (5 Year)
p-Index From 2021 - 2026
2.374
P-Index
This Author published in this journals
All Journal Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer RABIT: Jurnal Teknologi dan Sistem Informasi Univrab JIKO (Jurnal Informatika dan Komputer) JOURNAL OF APPLIED INFORMATICS AND COMPUTING KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vocatech : Vocational Education and Technology Journal TECHSI - Jurnal Teknik Informatika Lok Seva: Journal of Contemporary Community Service Journal Of Artificial Intelligence And Software Engineering Jurnal Pengabdian Sosial Journal of Deep Learning, Computer Vision and Digital Image Processing Journal of Advanced Computer Knowledge and Algorithms Seuraya Jurnal Pengabdian Kepada Masyarakat Proceedings of International Conference on Multidisciplinary Engineering (ICOMDEN) Jurnal Pengabdian Masyarakat Teknologi Informasi (PERANTI)
Hamdhana, Defry
Universitas Malikussaleh
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Traffic Accident Prediction Using Machine Learning Based on PT Jasa Raharja Data Utomo, Muhammad Fikri; Fikry, Muhammad; Hamdhana, Defry; Abdullah, Dahlan; Nurdin, Nurdin
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 21, No 1 (2026): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v21i1.25392

Abstract

Traffic accidents represent a critical issue that significantly affects public safety and generates substantial social and economic impacts, particularly within the operational area of PT. Jasa Raharja Lhokseumawe Branch. The lack of predictive information regarding accident occurrences often results in reactive policy making. This study aims to develop a machine learning–based forecasting model for traffic accident rates using a combination of K-Means Clustering and Recurrent Neural Network (RNN). The dataset consists of historical traffic accident records from 2022 to 2024, which were preprocessed and aggregated on a weekly basis at the district level. K-Means Clustering was employed to group districts according to weekly accident patterns, resulting in two optimal clusters based on silhouette score evaluation. Subsequently, separate RNN models were developed for each cluster to forecast weekly accident occurrences. Model performance was evaluated using Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The results indicate that the RNN model achieved higher prediction accuracy for clusters with more stable accident patterns compared to clusters exhibiting higher fluctuation. Overall, the proposed combination of clustering and RNN demonstrates strong potential in producing accurate traffic accident forecasts
PKM PENGAJIAN KITAB SABILAL MUHTADIN MEMANFAATKAN TEKNOLOGI KOMPUTER Maizuar Maizuar; Taufiq Taufiq; Ar Razi; Defry Hamdhana; Hamzani Hamzani
Jurnal Pengabdian Masyarakat Teknologi Informasi (PERANTI) Vol 2 No 1 (2026): Jurnal Pengabdian Masyarakat Teknologi Informasi
Publisher : LPPM Unimal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.0330/peranti.v2i1.27455

Abstract

Peningkatan penerapan teknologi dan ditemukannya dengan minat masyarakat terhadap ilmu agama, telah memunculkan ide-ide baru terutama dalam membantu masyarakat meningkatkan penguasaannya akan ilmu yang bersumber dari kitab Sabilal Muhtadin dalam waktu yang singkat. Salah satu pendekatan alternatif tersebut adalah pemanfaatan teknologi yang tepat untuk membantu masyarakat agar mahir dan lancar dalam mentahqiq kitab Sabilal Muhtadin. Berdasarkan analisis situasi, untuk mewujudkan pemahaman ilmu fikih melalui kitab Sabilal Muhtadin dengan menggunakan alat bantu komputer, maka Tim pengabdian membangun dan memperkenalkan penggunaan alat bantu pemahaman kitab Sabilal Muhtadin berbasis komputer. Setelah dilakukan evaluasi terhadap para peserta, diperoleh adanya peningkatan minat dan percepatan masyarakat peserta dalam syarh kitab Sabilal Muhtadin. Hasil evaluasi menunjukkan bahwa 87,5% dari total peserta berhasil menyelesaikan syarh dan dianggap layak dan sisanya setelah pengujian tahap kedua. Kata kunci : Sabilal Muhtadin, Sistem
PENDATAAN KELUARGA KORBAN BANJIR BANDANG UNTUK MENDUKUNG PENYALURAN BANTUAN DI DESA MEUNASAH BARO Muhammad Yusra; Fitri Maghfirah; Sri Mulyati; Defry Hamdhana; Nur Afni Yunita
SEURAYA Jurnal Pengabdian Kepada Masyarakat Vol 4 No 1 (2026): SEURAYA Jurnal Pengabdian kepada Masyarakat
Publisher : Fakultas Ekonomi dan Bisnis Islam Institut Agama Islam Negeri Langsa

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

Abstract

Banjir bandang merupakan bencana hidrometeorologi yang berdampak signifikan terhadap kehidupan sosial dan ekonomi masyarakat. Permasalahan utama yang sering muncul pascabencana adalah ketidaktepatan penyaluran bantuan akibat keterbatasan data korban yang akurat dan terverifikasi. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk melakukan pendataan keluarga korban banjir bandang di Desa Meunasah Baro sebagai dasar pendukung penyaluran bantuan yang tepat sasaran. Metode yang digunakan meliputi survei lapangan secara langsung, wawancara dengan kepala keluarga, observasi kondisi rumah, serta penyusunan basis data sederhana berbasis kebutuhan korban. Hasil kegiatan menunjukkan tersusunnya data keluarga terdampak yang memuat tingkat kerusakan dan kebutuhan prioritas, sehingga membantu pemerintah desa dan pemangku kepentingan dalam menyalurkan bantuan secara lebih efektif dan adil.
ANALISIS PERBANDINGAN KINERJA ALGORITMA AGGLOMERATIVE HIERARCHICAL CLUSTERING DAN K-MEDOIDS UNTUK KLASTERISASI JENIS PENYAKIT PASIEN RAWAT INAP: COMPARATIVE ANALYSIS OF THE PERFORMANCE OF AGGLOMERATIVE HIERARCHICAL CLUSTERING AND K-MEDOIDS ALGORITHM FOR CLUSTERING DISEASE TYPES OF INPATIENTS Lailatul Husna; Defry Hamdhana; Munirul Ula
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6554

Abstract

Rumah Sakit Arun Lhokseumawe memiliki data jenis penyakit pasien rawat inap yang beragam dan terus bertambah, namun belum dimanfaatkan secara optimal untuk analisis lebih lanjut. Selama ini, data hanya menjadi laporan administratif tanpa dilakukan pengolahan guna memperoleh informasi bermakna, seperti pola dominasi penyakit. Riset ini bertujuan untuk mengelompokkan jenis penyakit pasien rawat inap menggunakan dua metode klasterisasi, yaitu Agglomerative Hierarchical Clustering dan K-Medoids, serta menganalisis perbandingan kinerjanya. Data yang dipergunakan mencakup 84 jenis penyakit yang direkam pada periode Desember 2024 hingga Januari 2025, dengan atribut jumlah pasien laki-laki, pasien perempuan, dan umur pasien. Klasterisasi Agglomerative Hierarchical Clustering dilakukan dengan pendekatan average linkage dan jarak Manhattan Distance, sedangkan K-Medoids menggunakan jarak Euclidean Distance. Hasil memperlihatkan bahwa metode Agglomerative Hierarchical Clustering membentuk 3 cluster, yaitu C1 dengan 4 jenis penyakit, C2 menghasilkan 79 jenis penyakit, dan C3 menghasilkan 1 jenis penyakit. Sedangkan metode K-Medoids juga menghasilkan 3 cluster dengan C1 dengan 11 jenis penyakit, C2 menghasilkan 13 jenis penyakit, dan C3 menghasilkan 60 jenis penyakit. Evaluasi hasil dilakukan menggunakan Silhouette Coefficient. Berdasarkan pengujian validitas cluster Agglomerative Hierarchical Clustering menggunakan Silhouette Coefficient, algoritma Agglomerative Hierarchical Clustering memperlihatkan kinerja lebih baik dengan rerata nilai 0,5837. Sedangkan pengujian validitas cluster K-Medoids menggunakan Silhouette Coefficient pada seluruh data, diperoleh nilai rerata sejumlah -0.3558. Nilai ini memperlihatkan bahwa hasil kualitas cluster yang kurang optimal. Perbedaan hasil klasterisasi antara AHC dan K-Medoids terjadi karena kedua algoritma memiliki cara kerja yang berbeda. AHC membentuk cluster secara bertahap dengan menggabungkan data yang paling dekat satu per satu hingga membentuk struktur hierarki menggunakan jarak Manhattan, sedangkan K-Medoids langsung membagi data ke dalam jumlah cluster di awal dengan menggunakan jarak Euclidean. Perbedaan ini memengaruhi jumlah dan susunan anggota pada tiap cluster. Kata Kunci: Klasterisasi, Agglomerative Hierarchical Clustering, K-Medoids, Silhouette Coefficient
Integration of named entity recognition and latent Dirichlet allocation for extracting cyberbullying issues on X Juanda Pratama; Defry Hamdhana; Zara Yunizar
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 4 Issue 2 June 2026
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v4i2.1528

Abstract

Purpose – The rapid growth of social media Platform X has increased the risk of cyberbullying, which is difficult to detect due to the unstructured nature of textual data. This study proposes an integration of Named Entity Recognition (NER) and Latent Dirichlet Allocation (LDA) to support the extraction of cyberbullying-related social issues.Methods – A total of 2,000 tweets were processed through preprocessing, spaCy-based entity extraction, TF-IDF weighting, and LDA topic modeling. The latent topics generated by LDA were manually mapped into four predefined categories (Bodyshaming, Racism, Gender, and Neutral) and evaluated against researcher-annotated ground truth labels.Findings – Experimental results achieved an overall accuracy of 80%, with F1-scores of 94% for Racism, 93% for Gender, 70% for Bodyshaming, and 63% for Neutral.Research implications – The proposed framework provides practical support for monitoring cyberbullying patterns and assisting policymakers in understanding online social issues.Originality – The originality of this research lies in the sequential integration of NER as an entity-filtering stage prior to LDA, enabling a more comprehensive analysis of cyberbullying discussions than the isolated application of either method.
Democratizing Climate Intelligence Through Localizez Large Language Models for Education and Governance Zulfikar Aji Kusworo; Widyana Verawaty Siregar; Baharuddin Ismail; Defry Hamdhana
VOCATECH: Vocational Education and Technology Journal Vol 8, No 1 (2026): April
Publisher : Akademi Komunitas Negeri Aceh Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38038/vocatech.v8i1.325

Abstract

 AbstractClimate change presents complex challenges in Indonesia, where local governments and communities frequently experience information asymmetry and limited access to expert knowledge, particularly in low-resource and low-connectivity regions. This study aims to develop and evaluate a localized, domain-adapted Large Language Model (LLM) that functions as offline-capable climate knowledge infrastructure for education and local governance in Indonesia. The research method employs a design science research methodology comprising four stages: (1) selection of Qwen3-4B as the base model, (2) curation of an Indonesian climate and energy transition corpus containing approximately 12,400 instruction-response pairs (~38 MB) drawn from national climate policy documents, NDC/RPJMN frameworks, renewable energy guidelines, and educational climate science texts, (3) parameter-efficient fine-tuning using QLoRA with LoRA rank r=16, alpha=32, learning rate 2e-4, 3 epochs, per-device batch size 2 with gradient accumulation 4, and 4-bit NF4 quantization, and (4) offline deployment on consumer-grade hardware with task-oriented evaluation against three baseline models (Qwen3-4B-Thinking, Gemma-3-4B, LLaMa-3.1-8B). The results show that the fine-tuned model (Qwen3-4B-REnewbie v1) achieved a 15.4% perplexity reduction on domain-specific test data and an average qualitative score of 9.3/10 across factual accuracy, reasoning structure, and Bahasa Indonesia language compliance, outperforming all baselines (score range 7.0–8.2). The system operates fully offline on consumer-grade hardware with acceptable inference latency. The conclusion drawn from this study is that localized, resource-efficient LLMs can function as practical climate knowledge infrastructure for vocational education and local governance in Indonesia, aligning with Green AI principles and supporting the democratization of climate intelligence in low-connectivity settings. AbstrakPerubahan iklim menghadirkan tantangan kompleks di Indonesia, khususnya bagi pemerintah daerah dan komunitas lokal yang sering mengalami asimetri informasi dan keterbatasan akses terhadap pengetahuan pakar di wilayah dengan sumber daya dan konektivitas terbatas. Penelitian ini bertujuan mengembangkan dan mengevaluasi Large Language Model (LLM) yang dilokalkan dan diadaptasi ke domain iklim sebagai infrastruktur pengetahuan iklim berbasis offline untuk pendidikan dan tata kelola lokal di Indonesia. Metode penelitian ini menggunakan pendekatan design science research yang meliputi (1) pemilihan Qwen3-4B sebagai base model, (2) kurasi korpus iklim dan transisi energi Indonesia berisi sekitar 12.400 pasangan instruksi-respons (~38 MB) dari dokumen kebijakan iklim nasional, kerangka NDC/RPJMN, panduan energi terbarukan, serta teks ilmiah iklim, (3) parameter-efficient fine-tuning berbasis QLoRA (LoRA rank r=16, alpha=32, learning rate 2e-4, 3 epoch, batch size 2 per perangkat dengan gradient accumulation 4, dan kuantisasi 4-bit NF4), dan (4) deployment offline pada perangkat keras kelas konsumen dengan evaluasi berorientasi tugas terhadap tiga baseline (Qwen3-4B-Thinking, Gemma-3-4B, LLaMa-3.1-8B). Hasil penelitian ini menunjukkan model hasil fine-tuning (Qwen3-4B-REnewbie v1) menghasilkan penurunan perplexity sebesar 15,4% pada data uji domain dan skor kualitatif rata-rata 9,3/10 pada dimensi akurasi faktual, struktur penalaran, dan kepatuhan Bahasa Indonesia, mengungguli seluruh baseline (kisaran 7,0–8,2), serta beroperasi sepenuhnya secara offline pada perangkat konsumen dengan latensi inferensi yang dapat diterima. Kesimpulan yang diperoleh dari penelitian ini adalah LLM yang dilokalkan dan hemat sumber daya dapat berfungsi sebagai infrastruktur pengetahuan iklim yang praktis bagi pendidikan vokasi dan tata kelola lokal di Indonesia, selaras dengan prinsip Green AI dan mendukung demokratisasi kecerdasan iklim di wilayah berkonektivitas terbatas.
Co-Authors Ar Razi Ar Razi Arliansyah, Arliansyah Baharuddin Ismail Dahlan Abdullah Fadhilah Fadhilah Fadlisyah Fadlisyah Fajriana, Fajriana Fanny Nailufar Fikriah Nst, Nahdah Fitri Maghfirah Hamzani Hamzani Juanda Pratama Kembaren, Emmia Tambarta Khaidar, Al Lailatul Husna Maizuar Maizuar Mardiaton, Mardiaton Martin Martin Martin Martin Maulidawati, Maulidawati Mauliza Mauliza Mauliza, Mauliza Muhammad Fikry Muhammad Iqbal Muhammad Johan Setiawan Muhammad Yusra Mukti Qamal Mukti Qamal Munirul Ula Nur Afni Yunita Nurdin Nurdin Pangestu, Aridho Putri, Rany Gesta Rio Pratomo Rizal Rizal Rizal Rizal Rizal Rizki Suwanda Safira Adani Sari, Cut Putri Mellita Sayed Fachrurrazi Sri Mulyati Sri Mulyati Suryana, Fitra Syadzwina, Nada Taufiq Taufiq Taufiq Taufiq Utomo, Muhammad Fikri Widyana Verawaty Siregar Yusra, Muhammad Zara Yunizar Zulfikar Aji Kusworo