Article Per Year (5 Year)
p-Index From 2021 - 2026
3.109
P-Index
This Author published in this journals
All Journal JMM (Jurnal Masyarakat Mandiri) Data Science: Journal of Computing and Applied Informatics Jurnal Sistem Komputer dan Informatika (JSON) Yayasan Cita Cendikiawan Al Khwarizmi Djtechno: Jurnal Teknologi Informasi Majalah Ilmiah UPI YPTK Journal of Software Engineering, Information and Communication Technology Jurnal Pengabdian Masyarakat Gemilang (JPMG) Wahana Deli Sains Informatika Hanif Journal of Information Systems Journal of Mathematics, Computation and Statistics (JMATHCOS)
Dian Septiana
Statistika, Universitas Negeri Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
District Level Child Nutrition Vulnerability in North Sumatra Using Composite Indeks, Machine Learning Benchmarking Fanny Ramadhani; Sri Dewi; Dian Septiana; Diah Retno Wahyuningrum; Andy Satria
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9785

Abstract

Child nutrition vulnerability is a multidimensional issue influenced by health outcomes, socioeconomic conditions, environmental factors, maternal education, dietary patterns, and access to health services. This study developed the Child Nutrition Vulnerability Index (IKGA) to map district level vulnerability in 33 districts or cities of North Sumatra during 2021-2023 and to examine the stability of the resulting priority ranking. Birth, severe malnutrition, and low birth weight data were obtained from the North Sumatra Provincial Health Office; sanitation was derived from Riskesdas; and supporting socioeconomic and service access variables were compiled from district level research and statistical datasets. The method included indicator transformation, annual min-max normalization, weighted composite aggregation, tertile-based relative risk classification, spatial visualization, one-at-a-time and Monte Carlo sensitivity analyses, and exploratory machine learning benchmarking using Random Forest, Decision Tree, and K-Means. The 2023 average IKGA was 0.3486, with the highest score in Nias (0.5573) and the lowest in Kota Binjai (0.1934). Monte Carlo sensitivity analysis produced an average Spearman rank correlation of 0.9957, indicating stable rankings under moderate weight variation. Random Forest reproduced the IKGA categories better than Decision Tree and K-Means, with 0.727 accuracy and 0.724 macro-F1. The IKGA provides an interpretable district level prioritization tool for SI-GIZI SIGAP, but the categories should be interpreted as relative provincial priorities rather than absolute nutritional risk thresholds.
Pendampingan AWS IoT untuk Literasi Digital Petani Kopi Perteguhan Nurul Maulida Surbakti; Muhammad Ashari; Fanny Ramadhani; Dian Septiana; Sisti Nadia Amalia; Erita Astrid; Arnah Ritonga; Dinda Kartika; Nadrah Afiati; Ade Andriani
Wahana Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 1 (2026): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/wahana.v5i1.1910

Abstract

Petani kopi di Desa Perteguhan, Kabupaten Karo, masih menghadapi produktivitas yang rendah, keterbatasan pencatatan mikroklimat, dan pengambilan keputusan agronomis yang dominan berbasis pengalaman. Artikel pengabdian ini bertujuan mengevaluasi dampak pendampingan pemanfaatan Automatic Weather Station (AWS) berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi mobile Temani Kopi. Kegiatan dilaksanakan pada akhir Mei 2025 melalui survei pendahuluan, perakitan sistem, instalasi lapangan, pelatihan petani, pendampingan tiga bulan, dan evaluasi dampak terhadap 10 petani mitra. Data dikumpulkan melalui observasi, wawancara terstruktur, serta kuesioner pre-test dan post-test sebanyak 15 butir menggunakan skala Likert. Analisis dilakukan dengan persentase capaian, persentase perubahan, dan normalized gain. Hasil menunjukkan literasi teknologi meningkat dari 45% menjadi 85% (N-Gain=0,73), kemampuan mengoperasikan aplikasi meningkat dari 50% menjadi 90% (N-Gain=0,80), dan pengambilan keputusan agronomis berbasis data meningkat dari 48% menjadi 88% (N-Gain = 0,77). Pendampingan juga meningkatkan efisiensi penggunaan air dan pupuk sekitar 20% serta memperkuat kesiapan adopsi pertanian digital. Temuan ini menunjukkan bahwa pendampingan IoT partisipatif dapat mengubah praktik budidaya kopi dari berbasis intuisi menuju keputusan berbasis data.
KLASIFIKASI RISIKO GIZI BURUK PADA IBU HAMIL MENGGUNAKAN METODE RANDOM FOREST Fanny Ramadhani; Dian Septiana; Sisti Nadia Amalia; Putri Maulidina Fadilah; Andy Satria
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4815

Abstract

Penelitian ini bertujuan untuk mengidentifikasi ibu hamil yang berisiko mengalami gizi buruk menggunakan metode klasifikasi machine learning, khususnya Random Forest, dengan memanfaatkan data dari RISKESDAS 2018. Dataset yang digunakan mencakup informasi demografi dan pola makan, termasuk usia, pendidikan, pekerjaan, status ekonomi, pola makan, dan akses ke layanan kesehatan. Data tersebut diolah melalui proses preprocessing yang meliputi penanganan nilai yang hilang, transformasi variabel kategori menggunakan OneHotEncoder, dan normalisasi fitur numerik. Model Random Forest kemudian dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, serta confusion matrix untuk memahami kinerja klasifikasi. Hasil penelitian menunjukkan bahwa model Random Forest memiliki akurasi sebesar 0.67, precision sebesar 0.6, recall sebesar 0.67, dan F1-score sebesar 0.63 dalam mengklasifikasikan risiko gizi buruk pada ibu hamil. Confusion matrix memperlihatkan distribusi prediksi yang benar dan salah, sedangkan feature importance analysis mengidentifikasi fitur pola makan dan status ekonomi sebagai yang paling berpengaruh dalam prediksi risiko gizi buruk. Model Random Forest ini dapat digunakan sebagai alat yang efektif untuk mengidentifikasi ibu hamil yang berisiko tinggi mengalami gizi buruk, memungkinkan intervensi dini dan terarah dalam program kesehatan ibu hamil, sehingga dapat membantu meningkatkan kesehatan ibu dan anak. Penelitian ini juga menyediakan dasar untuk studi lanjutan yang dapat menggunakan dataset yang lebih luas dan beragam untuk memperbaiki akurasi dan generalisasi model.
INTEGRASI MACHINE LEARNING DAN ANALISIS SPASIAL UNTUK PREDIKSI WILAYAH RAWAN TUBERKULOSIS DI PROVINSI SUMATERA UTARA Fanny Ramadhani; Said Iskandar Al-Idrus; Dian Septiana; Arnita Arnita; Diah Retno Wahyuningrum
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6840

Abstract

Tuberkulosis (TBC) masih menjadi masalah kesehatan masyarakat yang serius di Provinsi Sumatera Utara. Prevalensi tinggi terutama di daerah padat penduduk dan terbatasnya akses layanan kesehatan menjadi tantangan utama dalam pengendalian TBC. Penelitian ini bertujuan untuk memprediksi wilayah rawan TBC dengan mengintegrasikan algoritma machine learning dan analisis spasial. Data sekunder diperoleh dari Sistem Informasi Tuberkulosis Nasional (SITB), Badan Pusat Statistik (BPS), dan shapefile administrasi wilayah kabupaten/kota di Sumatera Utara. Variabel prediktor meliputi kepadatan penduduk, status gizi, jumlah fasilitas kesehatan, tingkat kemiskinan, kualitas hunian, dan cakupan imunisasi. Model dikembangkan menggunakan algoritma Random Forest, sementara analisis spasial dilakukan menggunakan QGIS untuk menghasilkan peta risiko TBC. Hasil model menunjukkan akurasi sebesar 86,2% dengan variabel paling berpengaruh adalah kepadatan penduduk, kualitas hunian, dan akses fasilitas kesehatan. Peta risiko yang dihasilkan mengidentifikasi wilayah seperti Kota Medan, Deli Serdang, dan Labuhanbatu sebagai zona merah. Hasil penelitian ini diharapkan menjadi dasar perencanaan intervensi kesehatan yang lebih tepat sasaran di Sumatera Utara.
PENERAPAN SISTEM KONTROL HAMA PADI DAN MONITORING SAWAH BERBASIS INTERNET OF THINGS (IOT) DI SUMATERA UTARA Nurul Maulida Surbakti; Sri Dewi; Fanny Ramadhani; Dian Septiana; Riza Pahlawan
JMM (Jurnal Masyarakat Mandiri) Vol 8, No 4 (2024): Agustus
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v8i4.25241

Abstract

Abstrak: Artikel ini membahas tentang tantangan yang dihadapi petani padi di Sumatera Utara akibat serangan hama wereng dan belalang yang menurunkan secara signifikan hasil panen padi. Untuk mengatasi permasalahan ini, pengabdian ini dilakukan dengan menerapkan teknologi Internet of Things (IoT) dalam bentuk sistem kontrol hama padi dan monitoring sawah. Teknologi ini menggunakan perangkat berbasis IoT yang dilengkapi dengan sensor lingkungan dan aktuator seperti ultrasonik dan LED UV untuk mengusir dan menangkap hama, serta aplikasi mobile untuk pemantauan real-time. Implementasi teknologi ini diharapkan dapat meningkatkan efisiensi pengelolaan pertanian, mengoptimalkan penggunaan sumber daya, dan mengurangi dampak lingkungan dari penggunaan pestisida kimia. Hasil uji coba awal menunjukkan bahwa sistem ini efektif dalam mengendalikan populasi hama, dengan potensi besar untuk meningkatkan produksi padi secara berkelanjutan di Desa Petumbukan dan daerah-daerah pertanian lainnya di Indonesia. Kelompok tani Kenanga yang terdiri dari 10 orang (4 laki-laki dan 6 perempuan) menjadi mitra dalam kegiatan ini. Mereka berada di Desa Petumbukan, Kecamatan Galang, Kabupaten Deli Serdang. Metode pelaksanaan meliputi penyajian materi, praktik, dan pendampingan selama pelatihan. Evaluasi dilakukan melalui pemantauan lapangan dan analisis data hasil uji coba, dengan indikator keberhasilan berupa peningkatan produksi padi dan efektivitas pengendalian hama. Hasil menunjukkan peningkatan keterampilan mitra sebesar 80% dalam menggunakan teknologi IoT, yang juga berhasil menurunkan populasi hama wereng dan belalang, berpotensi meningkatkan produksi padi secara berkelanjutan.Abstract: This article discusses the challenges faced by rice farmers in North Sumatra due to attacks by brown planthoppers and grasshoppers that significantly reduce rice yields. To overcome this problem, this community service is carried out by implementing Internet of Things (IoT) technology in the form of a rice pest control system and rice field monitoring. This technology uses IoT-based devices equipped with environmental sensors and actuators such as ultrasonic and UV LEDs to repel and capture pests, as well as mobile applications for real-time monitoring. The implementation of this technology is expected to improve the efficiency of agricultural management, optimize resource use, and reduce the environmental impact of chemical pesticide use. Initial trial results show that this system is effective in controlling pest populations, with great potential to increase sustainable rice production in Petumbukan Village and other agricultural areas in Indonesia. The Kenanga farmer group consisting of 10 people (4 men and 6 women) is a partner in this activity. They are located in Petumbukan Village, Galang District, Deli Serdang Regency. The implementation method includes presentation of materials, practice, and assistance during training. The evaluation was conducted through field monitoring and analysis of trial data, with success indicators in the form of increased rice production and effectiveness of pest control. The results showed an 80% increase in partner skills in using IoT technology, which also succeeded in reducing the population of brown planthoppers and grasshoppers, potentially increasing rice production sustainably.
PEMBERDAYAAN PETANI MELALUI SMART FARMING BERBASIS IOT UNTUK PERTANIAN BERKELANJUTAN Arnita Arnita; Fanny Ramadhani; Nurul Maulida Surbakti; Dian Septiana; Nadrah Afiati Nasution
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 5 (2025): Oktober
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i5.33756

Abstract

Abstrak: Kawasan pertanian organik di Paloh Naga, Desa Denai Lama, masih menghadapi kendala dalam pengendalian hama secara ramah lingkungan dan terbatasnya pemanfaatan teknologi pertanian berbasis data. Tujuan kegiatan ini adalah memberdayakan kelompok tani melalui penerapan sistem Smart Farming berbasis Internet of Things (IoT), yang mencakup alat pengendali hama otomatis, sensor Automatic Weather Station (AWS), dan platform Teman Tani Menanam (TTM). Metode kegiatan meliputi sosialisasi, pelatihan, dan pendampingan lapangan kepada lima kelompok tani yang diwakili 25 orang petani. Evaluasi dilakukan melalui angket, observasi, dan wawancara. Hasil kegiatan menunjukkan peningkatan pemahaman teknologi sebesar 87%, serta efektivitas alat dalam menurunkan serangan hama hingga 60% pada lahan uji. Sistem AWS juga membantu petani mengatur waktu pemupukan dan menekan biaya produksi. Kegiatan ini membuktikan bahwa adopsi teknologi presisi dapat diterapkan secara adaptif di kawasan pertanian edukatif dan berkelanjutan.Abstract: Organic farming areas in Paloh Naga, Denai Lama Village, still face challenges in implementing environmentally friendly pest control and utilizing data-driven agricultural technology. This community engagement program aims to empower farmer groups through the application of Smart Farming systems based on the Internet of Things (IoT), including an automatic pest control device, an Automatic Weather Station (AWS), and the Teman Tani Menanam (TTM) platform. The activities included socialization, training, and on-site assistance for five farmer groups, represented by 25 farmers. Evaluation was conducted through questionnaires, observations, and interviews. The results showed an 87% increase in technological understanding and up to 60% reduction in pest attacks on test plots. The AWS system also helped farmers optimize fertilization timing and reduce production costs. This initiative demonstrates that precision technology adoption can be effectively applied in educational and sustainable farming areas.
PENINGKATAN EFEKTIVITAS PEMASARAN SAPI MELALUI PLATFORM DIGITAL SILEMBU.COM Dian Septiana; Fanny Ramadhani; Nadrah Afiati Nasution; Nurul Maulida Surbakti; Prihatin Ningsih Sagala
JMM (Jurnal Masyarakat Mandiri) Vol 8, No 5 (2024): Oktober
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v8i5.25802

Abstract

Abstrak: Dalam era digitalisasi, peternak sapi di Desa Tanjung Gusta menghadapi tantangan besar dalam pemasaran produk mereka, terutama terkait dengan keterbatasan akses dan pengetahuan tentang teknologi digital. Program pengabdian masyarakat ini bertujuan untuk meningkatkan hardskill peternak melalui pelatihan dan pendampingan dalam penggunaan platform Silembu.com dan teknik pemasaran digital untuk meningkatkan jangkauan pasar. Metode pelaksanaan meliputi pengembangan konsep platform, penyuluhan mengenai pentingnya pemasaran digital, workshop penggunaan Silembu.com dan integrasi dengan media sosial. dengan melibatkan 11 peternak dari Kandang Sapi Arfhan dan kelompok peternak di desa tersebut. Evaluasi dilakukan melalui observasi saat kegiatan, serta wawancara dan angket dengan total 9 pertanyaan pasca kegiatan. Hasilnya menunjukkan bahwa 60% peserta sangat puas dengan pelatihan, dengan peningkatan hardskill penggunaan platform digital sebesar 73% dan kebutuhan pendampingan lanjutan mencapai 73%. Program ini berhasil meningkatkan pemahaman peternak tentang digital marketing dan berpotensi meningkatkan penjualan sapi secara signifikan.Abstract: In the digital era, cattle farmers in Tanjung Gusta Village face significant challenges in marketing their products, primarily due to limited access and knowledge of digital technology. This community service program aims to enhance farmers' hard skills through training and support in using the Silembu.com platform and digital marketing techniques to enhance market reach. The implementation methods included the development of the platform concept, education on the importance of digital marketing, workshops on using Silembu.com, and integration with social media, involving 11 farmers from Kandang Sapi Arfhan and local farmer groups. Evaluation was conducted through observation during the activities, as well as interviews, and questionnaires with a total of 9 questions after the activities Results showed that 60% of participants were very satisfied with the training, with a 73% increase in digital platform hardskills and a 73% need for ongoing support. The program successfully enhanced farmers' understanding of digital marketing and has the potential to significantly boost cattle sales. 
Comparative Evaluation of Remote Sensing, Socioeconomic, and Integrated Data for Predicting Regional Economic Growth in North Sumatra Using Machine Learning Dian Septiana; Sisti Nadia Amalia; Fahmi Ashari S Sihaloho
Hanif Journal of Information Systems Vol. 4 No. 1 (2026): August Edition
Publisher : Ilmu Bersama Center

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

Abstract

This study evaluates the predictive performance of remote sensing variables, socioeconomic indicators, and their integration for estimating regional economic growth across 33 districts and municipalities in North Sumatra, Indonesia. A quantitative cross-sectional design was employed using three predictor scenarios: remote sensing variables (Nighttime Light, NDVI, Built-up Area, and Land Surface Temperature), socioeconomic indicators (Human Development Index, Open Unemployment Rate, Fiscal Capacity Index, and Disaster Risk Index), and an integrated dataset. Four regression algorithms (Linear Regression, Support Vector Regression, Random Forest, and K-Nearest Neighbors) were optimized using RandomizedSearchCV and validated through Leave-One-Out Cross Validation. Model performance was evaluated using RMSE, MAE, and R², while permutation importance assessed predictor contributions. Support Vector Regression achieved the best predictive performance across all predictor scenarios. The socioeconomic dataset yielded the highest prediction accuracy (RMSE = 0.625, MAE = 0.480, R² = 0.198), outperforming the remote sensing-only dataset (RMSE = 0.685, MAE = 0.471, R² = 0.038) and the integrated dataset (RMSE = 0.647, MAE = 0.492, R² = 0.140). Although the R² values were relatively low, they reflect the complexity of regional economic growth and the influence of factors beyond those included in this study. Permutation importance identified the Human Development Index and Disaster Risk Index as the most influential predictors. These findings indicate that socioeconomic indicators are stronger predictors of regional economic growth, while remote sensing variables provide complementary spatial information. Although integrating remote sensing variables did not improve predictive accuracy, it offers valuable environmental context for more comprehensive data-driven regional development planning.
Co-Authors Ade Andriani Adidtya Perdana, Adidtya Andy Satria Andy Satria ARNAH RITONGA Arnita Arnita Arnita Arnita Diah Retno Wahyuningrum Dinda Kartika Eri Widyastuti Erita Astrid Fahmi Ashari S. Sihaloho Fanny Ramadhani Ibnu Rusydi Ichwanul Muslim Karo Karo Maulida Surbakti, Nurul Maulidina Fadila, Putri Melly Br Bangun Muhammad Ashari Nadrah Afiati Nadrah Afiati Nasution Nurul Ain Farhana Nurul Maulida Surbakti Nurul Maulida Surbakti Panggabean, Suvriadi Prihatin Ningsih Sagala Putri Maulidina Fadilah Ramadhani, Fanny Riza Pahlawan Said . Iskandar Sisti Nadia Amalia Sri Dewi Sri Dewi Sri Dewi