Article Per Year (5 Year)
p-Index From 2021 - 2026
3.832
P-Index
This Author published in this journals
All Journal Seminar Nasional Informatika (SEMNASIF) Journal of Development Research RELE: Rekayasa Elektrikal dan Energi Jurnal Teknik Elektro Jurnal Eksplora Informatika Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Teknologi Informasi dan Multimedia Journal of Electrical Engineering and Computer (JEECOM) Jurnal Pengabdian kepada Masyarakat Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII International Journal of Health and Information System (IJHIS) InSTEM Jurnal Kecerdasan Buatan dan Teknologi Informasi Akiratech Gotong Royong International Journal of Technology, Food and Agriculture
Denny Trias Utomo, Denny Trias
Politeknik Negeri Jember, Jember, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Desain Sistem Identifikasi Status Gizi Balita Untuk Pencegahan Risiko Stunting Menggunakan Metode Random Forest Berdasarkan Data Antropometri Ananda Rizky Febriyana; Denny Trias Utomo
Akiratech Vol. 3 No. 2 (2026)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v3i2.285

Abstract

Stunting masih menjadi masalah kesehatan masyarakat yang serius di Indonesia, dengan prevalensi nasional sebesar 21,6%, yang masih berada di atas ambang batas Organisasi Kesehatan Dunia (WHO) sebesar 20%. Pemantauan status gizi balita secara dini diperlukan untuk mendukung upaya pencegahan stunting dan masalah gizi lainnya. Penelitian ini bertujuan merancang dan mengembangkan sistem deteksi status gizi balita menggunakan metode klasifikasi Random Forest berdasarkan data antropometri yang meliputi berat badan, tinggi badan, dan usia. Penilaian status gizi dilakukan menggunakan indikator antropometri Berat Badan menurut Umur (BB/U), Tinggi Badan menurut Umur (TB/U), dan Berat Badan menurut Tinggi Badan (BB/TB). Metode Random Forest dipilih karena memiliki kemampuan klasifikasi yang baik, tahan terhadap overfitting, serta mampu mengidentifikasi variabel yang berpengaruh dalam proses klasifikasi. Tahapan penelitian meliputi pengumpulan data, pra pemprosesan, pelatihan model, dan evaluasi menggunakan validasi silang k-fold dengan metrik akurasi, presisi, recall, dan F1-score. Sistem yang dikembangkan mampu mengklasifikasikan status gizi balita berdasarkan ketiga indikator antropometri tersebut sehingga dapat membantu petugas kesehatan dalam melakukan deteksi dini dan pemantauan status gizi secara lebih cepat, objektif, dan sistematis.  
Sistem Pendukung Keputusan Pemilihan Jenis Makanan Penderita Stunting Menggunakan Metode Simple Additive Weighting Denny Trias Utomo; Istiqomah; Nilla Putri Rosidania
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.38

Abstract

Stunting adalah masalah kesehatan yang serius di seluruh dunia, terutama di negara negara berkembang. Salah satu faktor yang dapat mempengaruhi stunting adalah pola makan yang tidak sehat dan tidak memadai. Oleh karena itu, diperlukan sistem pendukung keputusan (SPK) yang dapat membantu pemilihan jenis makanan yang tepat bagi penderita stunting guna meningkatkan asupan gizi mereka. Penelitian ini bertujuan untuk mengembangkan sebuah SPK yang menggunakan metode Simple Additive Weighting (SAW) dalam memilih jenis makanan bagi penderita stunting. Metode SAW digunakan untuk memberikan bobot pada setiap kriteria yang relevan dalam pemilihan jenis makanan, seperti kandungan nutrisi, ketersediaan, dan biaya. Pertama, data kriteria yang relevan dikumpulkan melalui studi literatur dan wawancara dengan ahli gizi. Kemudian, bobot relatif untuk setiap kriteria ditentukan melalui analisis pairwise comparison. Setelah itu, data tentang jenis makanan yang tersedia dan data penderita stunting dikumpulkan untuk digunakan dalam SPK. SPK akan memproses data yang ada dan memberikan rekomendasi jenis makanan yang paling sesuai bagi penderita stunting. Rekomendasi tersebut didasarkan pada perhitungan nilai preferensi menggunakan metode SAW. Jenis makanan dengan nilai preferensi tertinggi akan dianggap sebagai rekomendasi terbaik bagi penderita stunting. Diharapkan bahwa SPK ini dapat menjadi alat yang berguna bagi ahli gizi dalam menentukan jenis makanan yang sesuai. Dengan memperbaiki pola makan mereka, diharapkan penderita stunting dapat meningkatkan asupan gizi dan mengatasi masalah stunting secara efektif. Penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut tentang SPK dalam bidang pemilihan makanan untuk kondisi kesehatan tertentu.
Perancangan Sistem Deteksi Kondisi Microsleep Berbasis Sensor MPU6050 dan Support Vector Machine Achmad Bayhaqi Putra Adira; Denny Trias Utomo
Akiratech Vol. 3 No. 1 (2026)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v3i1.287

Abstract

Kecelakaan lalu lintas di Indonesia didominasi oleh kendaraan roda dua, di mana faktor kesalahan manusia seperti kelelahan dan microsleep menjadi penyebab utama. Kondisi microsleep terjadi dalam durasi singkat dan sering kali tidak disadari, sehingga sangat berbahaya bagi pengendara motor. Penelitian ini bertujuan untuk merancang sebuah sistem peringatan dini kondisi kantuk berbasis perangkat wearable yang terintegrasi pada helm. Sistem ini dirancang menggunakan sensor Inertial Measurement Unit (IMU) tipe MPU6050 untuk mendeteksi pola pergerakan kepala secara real-time. Data akselerasi dan orientasi kepala diproses menggunakan mikrokontroler ESP32 dengan menerapkan algoritma Machine Learning yaitu Support Vector Machine (SVM) untuk mengklasifikasikan kondisi sadar dan microsleep. Jika sistem mendeteksi indikasi microsleep, aktuator berupa buzzer dan motor getar akan aktif untuk memberikan peringatan kepada pengendara. Pendekatan perancangan ini menawarkan solusi yang ergonomis dan portabel dibandingkan metode deteksi berbasis kamera yang kurang efektif bagi pengendara bermotor.
Design and Construction of Maternal and Infant Mortality Rate Mapping Using the K-Means Clustering Method Based on Geographic Information Systems (Case Study in Jember Regency) Nilla Putri Rosidania; Denny Trias Utomo
Journal of Electrical Engineering and Computer (JEECOM) Vol 8, No 1 (2026)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v8i1.13911

Abstract

Indonesia’s population continues to grow each year, including in Jember Regency, which reached 2,584,771 people in 2023. Population density contributes to various health issues, such as the high maternal mortality rate (MMR) and infant mortality rate (IMR), with 17 maternal deaths and 81 infant deaths recorded in 2023. The primary causes of MMR include pregnancy at too young or old an age, short birth spacing, and delays in referral, while IMR is mainly caused by asphyxia and low birth weight (LBW) due to premature birth. The government has implemented a midwife and traditional birth attendant partnership program to address this issue. However, information regarding high-risk areas remains inadequately conveyed. Therefore, this study develops a Geographic Information System (GIS)-based system using the K-Means Clustering method with a predefined number of clusters to classify high-risk maternal and infant mortality areas. The results show that the K-Means Clustering method with a fixed number of clusters (k = 5) successfully groups Jember Regency into five risk-level clusters, namely very high, high, medium, low, and very low. Visualization through GIS facilitates effective access to spatial information and supports the identification of priority areas for targeted health interventions, aiming to reduce maternal and infant mortality rates more effectively.
Co-Authors Abdulloh Haidar Azzam Ash'shobir Abhinaya Fahar Laila Achmad Baihaqi Achmad Bayhaqi Putra Adira Adi Sucipto Agus Purwadi Agustianto, Khafidurrohman Ahmad Fahriyannur Rosyady Akhdiar, Fikri Ananda Rizky Febriyana Anugrah, Indra Gita Arvita Agus Kurniasari Asnawati Asnawati Barorotus Sulusayil Laili Beni Widiawan Beni Widiawan, Beni Bety Etikasari Bety Etikasari Bilal Shandyarta Syamsudin Denny Wijanarko Dina Dwi Arika Dinda Amalia Julyandri Dwi Indarti Dwi Putro Sarwo Setyohadi, Dwi Putro Sarwo Erwin Andrianto Fandyka Yufriza Ali Firmansyah, Muhammad Hafidh Hakim, Thoriq Lukman Hariadi Subagja Haris Asysyauqi Hartadi, Didit Rahmat Hendra Yufit Riskiawan Herlambang Satria Wijaya Indra Gita Anugrah Istiqomah Jumiatun Jumiatun Jumiatun Lukie Perdanasari Maria, Nita Miftakhur Rahman Mochammad Ghazy Al Ghifari Hafid Mochammad Rifki Ulil Albaab Moh. Munih Dian Widianta Muhammad Diaz Maulana Dhafin Rizqiandi Nicoela Jody Setiawan Nilla Putri Rosidania Novita Andarini Nugroho Setyo Wibowo Nuha, Sukma Uli Octavian Dava Putra Cahyono Octavian Yudha Mahendra Octavian Yudha Mahendra Olivia, Zora Partaonan Harahap Pristiwaningsih, Estin Roso Puspitasari, Trismayanti Dwi Rachmanita, Risse Entikaria Rani Purbaningtyas, Rani Refa Firgiyanto Risse Entikaria Rachmanita Rizqi Azizissani Rosdiana, Eva Rosidania, Nilla Putri Sulistiyanto Sulistiyanto, Sulistiyanto Utomo, Adi Heru Wulandari, Sholihah Ayu Wuryanti Handayani Yeni Maulidah Muflihah Yuana Susmiati Yudi Aris Sulisitiyo