Article Per Year (5 Year)
p-Index From 2021 - 2026
4.526
P-Index
This Author published in this journals
All Journal Jurnal Teknoin Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sains dan Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal IMPACT: Implementation and Action Musamus Journal Of Research Information and Communication Technology Technologia: Jurnal Ilmiah Journal of Information Systems and Informatics JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Journal of K6 Education and Management JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI BAKTI BANUA : JURNAL PENGABDIAN KEPADA MASYARAKAT Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jumat Informatika: Jurnal Pengabdian Masyarakat Jurnal Media Informatika Digital Transformation Technology (Digitech) SmartComp Jurnal Kolaborasi Sains dan Ilmu Terapan Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer INTECH - Informatika Dan Teknologi
Windarsyah Windarsyah
Universitas Muhammadiyah Banjarmasin
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Implementasi Algoritma Naive bayes Untuk Klasifikasi Kasus Stunting Pada Anak Di Puskesmas Pekauman Berbasis Web Muhammad Ridho Hijriawan; Kamarudin; Windarsyah
INTECH Vol. 6 No. 1 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i1.3038

Abstract

Stunting adalah kondisi ketika pertumbuhan fisik anak terhambat, terutama tinggi badannya yang jauh di bawah standar usianya. Ini bukan sekadar soal pendek, tapi menjadi indikator bahwa anak mengalami kekurangan nutrisi selama bertahun-tahun, terutama selama seribu hari pertama lahir. Di Puskesmas Pekauman banyak sekali terdapat anak yang terindikasi stunting. Pada tahun 2023 dan 2024 terdata di puskesmas ada 180 anak di puskesmas pekauman. Adapun Permasalahan utamanya yaitu proses manual untuk menentukan stunting di Puskesmas Pekauman adalah kurangnya efisiensi dalam identifikasi kasus anak yang berisiko stunting proses ini rentan terhadap kesalahan dalam pengukuran dan pencatatan data. Berdasarkan variabel penentuannya mencakup usia anak, perbedaan jenis kelamin, serta data antropometri seperti tinggi badan, berat badan, dan lingkar kepala. dimana klasifikasi untuk menentukan Normal atau Stunting kondisi stunting pada anak. Naïve Bayes digunakan untuk menentukan kelas suatu data dengan menghitung peluang dari masing-masing kelas berdasarkan informasi yang tersedia, Pemodelan statistik dapat digunakan oleh metode Naïve Bayes dalam proses klasifikasi. Menghitung sebuah probabilitas, motode ini bisa melatih data uji berdasarkan data yang sdah terjadi. Dengan penerapan algoritma Naïve Bayes dalam mengklasifikasikan stunting pada anak di Puskesmas Pekauman memperoleh nilai akurasi 86%. Dengan adanya perhitungan metode Naïve Bayes, para medis di Puskesmas Pekauman dapat lebih mudah mengklasifikasikan status stunting pada anak dan menyampaikan saran serta penanganan yang sesuai, yaitu jika anak terindikasi stunting, maka diberikan tindakan pencegahan dan penanganan lebih lanjut, dan jika anak berstatus normal, maka diberikan anjuran untuk menjaga pola makan serta pertumbuhan yang optimal.
Klasifikasi Stok Barang Menggunakan Naive Bayes Untuk Optimalisasi Persediaan Toko Ahmad Adam Erni, Erni; Kamarudin; Windarsyah
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol. 5 No. 2 (2025): Juli: Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juritek.v5i2.3918

Abstract

Toko Ahmad Adam adalah toko sembako yang menyediakan kebutuhan pokok seperti beras, minyak goreng, mie instan, dan gula. Pengelolaan stok yang masih dilakukan secara manual menyulitkan pemilik toko dalam menetapkan prioritas pengadaan barang. Ketiadaan sistem klasifikasi stok menyebabkan ketidakseimbangan antara kebutuhan dan ketersediaan barang, sehingga berisiko terjadi kekurangan atau kelebihan stok. Penelitian ini bertujuan membangun model klasifikasi stok guna mengoptimalkan pengelolaan persediaan. Metode yang digunakan adalah algoritma Naive Bayes dengan input berupa jumlah stok, frekuensi barang masuk, dan data kategori barang. Model klasifikasi ini menghasilkan pengelompokan barang ke dalam dua kategori, yaitu laku cepat dan kurang laku, berdasarkan kecepatan habisnya stok dalam periode waktu tertentu. Hasil klasifikasi digunakan sebagai dasar pengambilan keputusan pengadaan barang. Pendekatan ini mampu menyajikan informasi relevan untuk membantu pemilik toko dalam menentukan barang yang perlu segera diisi ulang maupun yang pengadaannya dapat ditunda, sehingga pengelolaan persediaan menjadi lebih efisien dan efektif.
Klasifikasi Sekolah Potensial untuk Promosi Kampus UMBJM Menggunakan Random Forest Ahmad Aqli; Finki Dona Marleny; Windarsyah Windarsyah
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6122

Abstract

Setiap perguruan tinggi melakukan promosi rutin setiap tahun untuk menarik minat calon mahasiswa baru. Selain memasang spanduk di berbagai lokasi dalam kota, promosi juga dapat dilakukan langsung ke sekolah-sekolah yang dianggap potensial. Penelitian ini bertujuan mengidentifikasi sekolah asal mahasiswa yang memiliki potensi sebagai target promosi kampus Universitas Muhammadiyah Banjarmasin (UMBJM). Metode klasifikasi dengan pendekatan supervised learning digunakan dalam penelitian ini, dengan algoritma Random Forest yang diterapkan pada data pendaftaran mahasiswa UMBJM tahun 2019–2024. Setelah melalui proses filtering dan preprocessing data, model dilatih untuk menghasilkan prediksi dengan akurasi sebesar 81.60%. Hasil penelitian ini diharapkan dapat membantu pihak kampus dalam merancang strategi promosi yang lebih efisien dan tepat sasaran.
Clustering Kos Dengan Algoritma K-Means Untuk Rekomendasi Tempat Berdasarkan Harga dan Fasilitas Elisa Fitriana; Windarsyah Windarsyah; Kamarudin Kamarudin
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6188

Abstract

Meningkatnya jumlah penduduk permukiman besar yang menjadi pusat pendidikan, seperti Yogyakarta, Bandung, dan Surabaya, berdampak pada tingginya permintaan akan hunian sementara seperti rumah kos[1]. Variasi dalam hal harga, fasilitas, dan lokasi kerap menyulitkan calon penyewa dalam menentukan pilihan yang sesuai. Untuk menjawab permasalahan ini, penelitian ini mengembangkan sistem rekomendasi tempat kos menggunakan pendekatan clustering dengan algoritma K-Means[2]. Algoritma ini dipilih karena efisiensinya dalam mengelompokkan data berskala besar berdasarkan kemiripan atribut. Data kos yang dianalisis mencakup harga dan fasilitas, yang kemudian dikelompokkan ke dalam beberapa segmen, mulai dari kos dengan harga terjangkau dan fasilitas dasar hingga kos eksklusif dengan layanan lengkap. Hasil dari proses pengelompokan ini digunakan untuk memberikan rekomendasi kos yang sesuai dengan preferensi pengguna. Sistem ini tidak hanya mempermudah pencarian kos bagi calon penyewa, tetapi juga membantu pemilik kos dalam memahami karakteristik pasar mereka. Berdasarkan hasil evaluasi, sistem yang dibangun mampu mengelompokkan data secara akurat dan memberikan rekomendasi yang relevan.
Implementasi Algoritma K-Means Untuk Analisis Pola Penjualan Pada Toko Monisa Muhammad Noval; Windarsyah Windarsyah; Finki Dona Marleny
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6237

Abstract

Manajemen stok yang tidak tepat dapat berdampak negatif terhadap efisiensi dan keuntungan bisnis ritel. Toko Monisa menghadapi permasalahan dalam menentukan produk yang perlu diprioritaskan dalam penyediaan stok. Tujuan dari penelitian ini adalah untuk mengelompokkan produk berdasarkan performa penjualan guna membantu pengambilan keputusan dalam pengelolaan stok. Metode yang digunakan adalah algoritma K-Means Clustering dengan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, pembersihan data, transformasi, proses clustering, dan evaluasi hasil. Data yang dianalisis terdiri dari 18.344 transaksi penjualan sepanjang tahun 2024. Jumlah klaster optimal ditentukan menggunakan Elbow Method, menghasilkan tiga klaster, dan validitas klaster diuji menggunakan Silhouette Score yang menunjukkan nilai 0,79. Hasil klasterisasi menunjukkan bahwa produk dapat dikategorikan menjadi tiga kelompok: penjualan rendah, sedang, dan tinggi. Temuan ini memberikan dasar bagi pengambilan keputusan dalam perencanaan stok, strategi promosi, dan efisiensi pengelolaan produk. Simpulan dari penelitian ini menunjukkan bahwa algoritma K-Means mampu memberikan solusi efektif berbasis data historis dalam mendukung efisiensi operasional toko ritel.
Penerapan Algoritma K-Means Clustering untuk Pengelompokan Minat Baca Pengunjung Dinas Kearsipan dan Perpustakaan Daerah Kapuas reniemeliya reniemeliya; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Jurnal Media Informatika Vol. 7 No. 4 (2026): Edisi Juli - Agustus IN PRESS
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i4.9225

Abstract

Peningkatan kualitas layanan perpustakaan memerlukan pemahaman mendalam terhadap pola minat baca pengunjung yang akurat dan berbasis data, mengingat hasil analisis tersebut menjadi dasar penting dalam penyusunan program literasi dan pengambilan keputusan pengelola. Kompleksitas data kunjungan serta keragaman karakteristik pengunjung merupakan tantangan utama yang membatasi kemampuan pendekatan evaluasi konvensional dalam mengidentifikasi pola minat baca secara mendalam. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk pengelompokan minat baca pengunjung Dinas Kearsipan dan Perpustakaan Daerah Kapuas. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) hingga tahap evaluasi, dengan penerapan rekayasa fitur berupa Aktifitas_Index, normalisasi menggunakan RobustScaler, serta penentuan klaster optimal menggunakan metode Elbow, Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Score. Evaluasi kestabilan klaster dilakukan menggunakan Bootstrap Stability Test sebanyak 30 iterasi. Hasil penelitian menunjukkan bahwa K=5 merupakan jumlah klaster optimal dengan Silhouette Score sebesar 0,6106 (target >0,50 tercapai), Davies-Bouldin Index sebesar 0,5077 (target <1,0 tercapai), dan Inertia sebesar 146,37. Uji Bootstrap Stability menghasilkan Silhouette Score rata-rata 0,6147 ±0,0097, membuktikan konsistensi klaster. Lima klaster terbentuk: Minat Baca Sangat Rendah (758 pengunjung, 53,0%), Minat Baca Rendah (410 pengunjung, 28,7%), Minat Baca Sedang (173 pengunjung, 12,1%), Minat Baca Tinggi (66 pengunjung, 4,6%), dan Minat Baca Sangat Tinggi (23 pengunjung, 1,6%). Kelompok yang dihasilkan berpotensi mendukung perencanaan layanan perpustakaan secara objektif dan tepat sasaran.
KLASTERISASI STATUS GIZI BALITA MENGGUNAKAN K-MEANS UNTUK PEMANTAUAN BERKALA DI KELURAHAN KOTA PAGATAN Rizma Nurhaliza; Windarsyah Windarsyah; Finki Dona Marleny
Technologia : Jurnal Ilmiah Vol 17 No 3 (2026): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v17i3.24785

Abstract

Pemantauan status gizi balita secara berkala sangat penting guna mendukung deteksi dini risiko gangguan tumbuh kembang. Seiring bertambahnya data yang diukur setiap bulannya, diperlukan pendekatan efektif untuk memudahkan pemantauan perubahan status gizi balita secara berkala. Penelitian ini bertujuan mengelompokkan status gizi balita menggunakan algoritma K-Means dengan memanfaatkan gabungan data riwayat status gizi dari beberapa periode pengukuran, sehingga hasilnya dapat dimanfaatkan untuk memantau dinamika perubahan antar waktu. Data bersumber dari Posyandu Melati Kelurahan Kota Pagatan periode Januari hingga September 2025. Penelitian ini menggunakan kerangka kerja Knowledge Discovery in Databases (KDD) dengan menguji dua skenario, skenario satu menggunakan variabel Z-Score BB/U, TB/U, BB/TB, dan skenario kedua menambahkan simulasi Z-Score LKU untuk mengeksplorasi pengaruh variabel tersebut. Kedua skenario diuji dalam tiga variasi durasi, periode tiga bulan (585 baris data dari 195 balita), enam bulan (1.110 baris data dari 185 balita), dan sembilan bulan (1.530 baris data dari 170 balita). Berdasarkan evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI) pada seluruh skenario pemodelan, model terbaik diperoleh pada skenario satu periode enam bulan yang menghasilkan nilai Silhouette Score 0,4020 dan DBI 0,7846 dengan empat klaster yakni risiko gizi kurang dan pendek (stunted), risiko gizi lebih/obesitas, risiko pendek (stunted), dan relatif normal. Hasil klasterisasi digunakan untuk analisis perpindahan klaster yang menunjukkan sebagian balita stabil, membaik, menurun, maupun tidak stabil, sehingga pendekatan ini dapat menjadi acuan tindak lanjut bagi kader dalam memantau perubahan status gizi balita secara lebih cepat.
Co-Authors Ahadi Ningrum, Ayu Ahmad Aqli Ahmad Faisal Hamidi Andika Syarif Hidayatullah Anhar Khalid Ayu Ahadi Ningrum Elisa Fitriana Erni Erni Finki Dona Marleny Fitria Fitria Gazali, Mukhaimy Hamdani Hamdani Hendrik Hendrik Hijriawan, Muhammad Ridho Husnul Hatimah Husnul Khatimi Juhriyansyah Dalle Kamaruddin Kamarudin Kamarudin Kamarudin Lazwardi, Ahmad Mambang Maulida, Ihdalhubbi Moh. Rasyid Ridho Muhammad Alfiyani Muhammad Alkaff Muhammad Noval Muhammad Ridho Hijriawan Muhammad Tantowi Jauhari Muhammad Ziki Elfirman Mukhaimy Gazali Mukhaimy Gazali Nahdi Saubari naufal, muhammad muhammad Pangestu, Bayu Maulana Pebriadi, Muhammad Syahid Raisya Alifa Khansa Rakhmawati, Aneta reniemeliya reniemeliya Rizma Nurhaliza Rudy Ansari Rudy Ansari, Rudy Rudy Ansyari Ruhaidani, Emma Ryan Maulana Sa'adah Sa'adah Shofia Zulfa Susanti, NurAina Teduh Dirgahayu Thariq, Thariq Winda Astria Nuansa Saputri