Article Per Year (5 Year)
p-Index From 2021 - 2026
1.784
P-Index
This Author published in this journals
All Journal Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Infotek : Jurnal Informatika dan Teknologi Jurnal Responsif : Riset Sains dan Informatika SPEED - Sentra Penelitian Engineering dan Edukasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Minfo Polgan (JMP) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Pendidikan dan Pengabdian Masyarakat Consensus : Jurnal Ilmu Hukum Lontar Physics Today Engagement: Jurnal Pengabdian Kepada Masyarakat Prawara Jurnal Pengabdian Masyarakat
Wawan Kurniawan
Universitas Bina Sarana Informatika
Religion Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Pelatihan Pembuatan Release Berita yang Baik dan Menarik Bagi Anak-Anak Lksa Nurul Iman Karawang Nurul Ichsan; , Hamdun Sulaiman; Wawan Kurniawan; Yuri Yuliani
PRAWARA Jurnal ABDIMAS Vol 1 No 3 (2022): PRAWARA JURNAL ABDIMAS
Publisher : CV. Manha Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63297/abdimas.v1i3.31

Abstract

Tridharma perguruan tinggi berisi tiga poin penting yaitu pendidikan, penelitian dan pengabdian masyarakat. Salah satu cara untuk melaksanakan tridharma perguruan tinggi adalah dengan melakukan pengabdian masyarakat pada mitra non produktif Lembaga Kesejahteraan Sosial (LKSA) Nurul Iman Karawang. Target peserta Pengabdian masyarakat kali ini adalah anak-anak LKSA Nurul Iman tersebut. Saat ini mitra memiliki kemampuan terbatas dalam cara membuat informasi ataupun berita yang baik serta menarik, yang membuat kemampuan untuk berlatih berfikir, mengungkapkan gagasan dan memecahkan masalah tidak tertuangkan dengan baik. Hal tersebut menjadikan alasan dasar untuk melakukan pengabdian masyarakat tentang Pelatihan Pembuatan Release Berita Yang Baik Dan Menarik Bagi Anak Anak LKSA Nurul Iman Karawang sangat membantu pemahaman dan keterampilan para peserta agar lebih mampu menghasilkan karya dalam sebuah penulisan berita yang baik dan menarik yang nantinya dapat memberikan informasi tentang kegiatan-kegiatan yang dilaksanakan oleh LKSA Nurul Iman. Kegiatan akan dilaksanakan secara online melalui aplikasi zoom karena saat ini masih dalam suasana pandemi covid19. Luaran kegiatan dalam bentuk publikasi pada media masa nasional dan dokumentasi kegiatan dalam bentuk foto dan video kegiatan.
Penerapan Algoritma Naive Bayes Untuk Menentukan Kualitas Eco Enzyme Pada Bank Sampah Desa Bengle Kabupaten Karawang Rengganis Tri Maniken; Wawan Kurniawan; Chaerul Bachri; Adi Chandra Setiawan
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15779

Abstract

Sampah adalah limbah sisa kegiatan sehari-hari manusia, daerah yang memiliki jumlah penduduk yang berpotensi mencemari dan menimbulkan gangguan kesehatan, mencemari udara, serta berdampak pada pencemaran air dan tanah. Masyarakat Indonesia menangani sampah dengan cara menimbun dengan tanah, cara ini memiliki manfaat dalam menangani sampah sisa makanan. Adanya peningkatan jumlah penduduk dan kegiatan industri merupakan salah faktor penyumbang permasalahan sampah yakni mencapai 1.200 ton per hari. Sampah dibagi menjadi sampah organik, sampah anorganik, dan sampah bahaya, dalam pengujian ini akan membahasa sampah organik. Sampah organik dapat dikelola sebagai cairan eco enzyme. Eco enzyme adalah cairan hasil fermentasi sampah organik yang memiliki beberapa fungsi seperti pembersih lantai, pembersih sayur, buah, penangkal serangga, dan menyembuhkan luka. Tujuan dilakukannya penelitian ini untuk mengetahui karakteristik apa yang cocok dalam penelitian ini, untuk mengetahui kualitas eco enzyme menggunakan algoritma naive bayes agar masyarakat lebih percaya dalam mengkonsumsi eco enzyme. Metode penelitian ilmiah ini menggunakan metode algoritma naive bayes dan melakukan observasi secara langsung di Bank Sampah Desa Bengle, dalam penelitian ini menggunakan data primer yang berisikan beberapa atribut, atribut tersebut akan diuji menggunakan rapidminer. Dataset yang terstruktur dengan baik tentunya akan sangat membantu dalam melakukan pengujian. Dalam pengujian ini berhasil dilakukan dengan menghasilkan akurasi 100%, presisi 100%, recall 100% dan 1.000 AUC
Perbandingan Algoritma K-Means Dan K-Medoids Untuk Clustering Penduduk Kota Bekasi Berdasarkan Tingkat Pendidikan (2021-2023) Hamdun Sulaiman; Aifah Nurul Faizah; Muhamad Abdul Ghani; Ramdhan Saepul Rohman; Wawan Kurniawan
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34939

Abstract

Education is crucial for improving human resource quality. This study compares the K-Means and K-Medoids algorithms to analyze the distribution of education levels in Bekasi City. The dataset used was derived from 56 urban villages during 2021–2023, which were averaged to provide a more stable picture. The clustering process was performed using the RapidMiner application, with the results evaluated based on the Davies Bouldin Index (DBI) to measure the validity of the data groups. The evaluation results showed that the K-Means algorithm produced better performance than K-Medoids, indicated by the lowest DBI value of 0.558 at k = 4, while the K-Medoids algorithm produced the best DBI value of 0.803 at k = 3. The lower DBI value in K-Means indicates better cluster quality, thus K-Means was chosen as the best method for mapping education levels in Bekasi City. In addition, the K-Means results are also consistent with the Elbow method which shows the optimal number of clusters at k = 4, while K-Medoids shows a discrepancy between the results of the Elbow Method (k = 5) and DBI (k = 3). The K-Means clustering results form four clusters with different educational level characteristics. Cluster 0 is dominated by secondary education so that it requires scholarship programs and vocational training. Cluster 1 has a higher level of education so that it needs to focus on developing further education infrastructure and creating quality jobs. Cluster 2 has a low to middle level of education so that it requires increasing access to education and extension programs. Meanwhile, Cluster 3 shows a relatively even distribution of secondary to higher education so that it requires improving the quality of education and professional training to support human resource development in Bekasi City.
Comparison of Random Forest and K-Nearest Neighbors in Heart Disease Prediction Erni; Ibnu Alfarobi; Wawan Kurniawan
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1942

Abstract

Heart disease is one of the leading causes of death worldwide, with a death toll reaching 17.9 million cases annually according to the World Health Organization (WHO) and a prevalence of 1.5% in Indonesia. This high mortality rate demonstrates the importance of early detection and accurate prediction to prevent more serious complications. The development of artificial intelligence technology, particularly machine learning, offers a new approach in the medical field through the ability to analyze clinical data quickly and efficiently. This study was conducted to compare the performance of two machine learning algorithms, namely Random Forest and K-Nearest Neighbors (KNN), in predicting heart disease using a clinical dataset from Kaggle containing 20 samples and 9 attributes related to the patient's physiological condition. The parameter optimization process in both algorithms was carried out using grid search techniques with cross-validation to obtain the best model that can perform optimally on a limited dataset. Performance evaluation was carried out using accuracy, recall, and precision metrics to comprehensively measure the quality of the model predictions. The results of the study showed that the Random Forest algorithm provided superior performance with an accuracy of 0.75, a recall of 0.88, and a precision of 0.86, compared to KNN which only achieved an accuracy of 0.50, a recall of 0.67, and a precision of 0.67. These findings indicate that Random Forest is more effective in identifying the presence of heart disease, especially in terms of sensitivity to positive cases and prediction consistency. Thus, Random Forest has the potential to be a more appropriate algorithm for implementation in machine learning-based clinical decision support systems, to support the process of diagnosing heart disease more accurately and efficiently.
Perbandingan Kinerja Algoritma Gradient Boosting dan LightGBM pada Prediksi Diabetes Menggunakan SMOTE dan Hyperparameter Tuning Grid Search Wawan Kurniawan; Lisnawanty Lisnawanty; Kartika Handayani
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1175

Abstract

Diabetes melitus merupakan penyakit kronis dengan prevalensi yang terus meningkat secara global sehingga diperlukan sistem deteksi dini yang akurat berbasis machine learning. Penelitian ini membandingkan kinerja algoritma Gradient Boosting dan LightGBM dalam memprediksi diabetes menggunakan dua dataset publik, yaitu Diabetes Prediction Dataset (100.000 sampel) dan Early Stage Diabetes Risk Prediction Dataset (520 sampel). Eksperimen dilakukan dalam empat skenario, yaitu baseline, SMOTE, Grid Search, serta kombinasi SMOTE dan Grid Search. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan AUC-ROC dengan F1-score sebagai metrik utama. Hasil penelitian menunjukkan bahwa pada Dataset 1, Gradient Boosting menghasilkan F1-score terbaik sebesar 97,01% pada skenario Baseline dan Grid Search, sedangkan LightGBM memperoleh performa terbaik pada skenario Grid Search dengan F1-score 97,00%. Pada Dataset 2, LightGBM mencapai F1-score 99,04% dan AUC-ROC 100,00% pada skenario Baseline. Selain itu, penerapan SMOTE tidak memberikan peningkatan performa yang konsisten, sedangkan efektivitas Grid Search bergantung pada karakteristik dataset yang digunakan.
Co-Authors , Hamdun Sulaiman Achmad Rifai Ade Suryadi Adi Chandra Setiawan Aditya Adrians Pietersz Aifah Nurul Faizah Chaerul Bachri Deni Gunawan Diana Endah Handayani Erni Filia Prima Artharina Franseda, Afrilio Fresky Fralesta Gata, Windu Hamdun Sulaiman Harto Nuroso Ibnu Alfarobi Kartika Handayani Kinaria Afriani Kukuh Panggalih Lisnawanty Muhamad Abdul Ghani Muhammad Reza Oktariansyah Noviea Varahdilah Sandi Nurdiawati, Dede Nurul Ichsan Okta Trikistiyana Novitasari Qonik Niamul Azya Ramdhan Saepul Rohman, Ramdhan Saepul Rengganis Tri Maniken Septian Dewa Pratama Sita Anggraeni, Sita Sofian Wira Hadi Sugeng Riyanto Tedy Kuswoyo Windu Gata Windu Gata Yuliani, Yuri Yusti Farlina