Article Per Year (5 Year)
p-Index From 2021 - 2026
2.589
P-Index
This Author published in this journals
All Journal Intizar Jurnal Teknologi dan Sistem Komputer Indonesian Journal of Artificial Intelligence and Data Mining Building of Informatics, Technology and Science International Journal of Advances in Data and Information Systems Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat Prosiding University Research Colloquium Jurnal Pengabdian Masyarakat Sains dan Teknologi Jurnal Pengabdian Informatika (JUPITA) Indonesia Bergerak: Jurnal Hasil Kegiatan Pengabdian Masyarakat Journal of applied statistics and data mining Profetika: Jurnal Studi Islam
Istiawan, Deden
Institut Teknologi Statistika Dan Bisnis Muhammadiyah Semarang
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

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

Found 26 Documents
Search

 1   2   3 
Mapping Religious Harmony in the Special Capital Region Jakarta using K-Means Algorithm Istiawan, Deden; Sulistijanti, Wellie; Santoso, Arif Gunawan; Ustyannie, Windyaning
Journal of Intelligent Computing & Health Informatics Vol 4, No 1 (2023): March
Publisher : Universitas Muhammadiyah Semarang Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jichi.v4i1.11715

Abstract

D.K.I Jakarta is often called the window of Indonesia. As one of the largest cities in Indonesia, D.K.I Jakarta has various kinds of complex social problems. This research tries to identify and explore conditions of religious harmony in DKI Jakarta. In previous studies of religious harmony, the use of the index in assessing religious harmony could only describe the condition of religious harmony in general without indicating which factor was in measuring the level of religious harmony. This Research uses a clustering approach to analyse religious harmony in DKI Jakarta. The study found that cluster 0 has major problems that affect religious harmony compared to other clusters. Therefore, local government policies related to increasing religious harmony can be focused more on cluster 0, especially on variables that are shown to be low, namely empathy, non-violence, national commitment, and adaptability to local culture.
Poverty Mapping in Central Java Province Using K-Means Algorithm Istiawan, Deden
Journal of Intelligent Computing & Health Informatics Vol 1, No 1 (2020): March
Publisher : Universitas Muhammadiyah Semarang Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jichi.v1i1.5380

Abstract

Prosperity has a relative, dynamic, and quantitative meaning. Until now, the formula is not finished because it will continue to grow along with the times. Public welfare is a condition where all citizens are always in a condition that is completely adequate in all their needs. Poverty in Central Java Province is still above national poverty. Poverty grouping is one way to focus on the people's budget in each region so that they can take development policies and strategies that are right on target and effective. In this study, the proposed K-means algorithm for classifying poverty in Central Java is based on poverty indicators. The results of the first cluster study consisted of 22 districts / cities with the category of not poor, the second cluster consisted of 13 districts / cities that were categorized as poor.
Evaluation and Comparison of K-Nearest Neighbors Algorithm Models for Heart Failure Prediction Masitha, Alya; Huda, Nurul; Istiawan, Deden; Firdaus, Lucky Nur Rohman
Building of Informatics, Technology and Science (BITS) Vol 6 No 3 (2024): December 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i3.5925

Abstract

Heart failure is a disease that is one of the most crucial in the world. Researchers have used several machine learning techniques to assist health professionals in the diagnosis of heart failure. K-NN is a technique of supervised learning algorithm that has been successfully used in terms of classification. However, using the K-NN algorithm has stages in terms of data analysis. The data used must also be processed in such a way that it becomes data that is easier to analyse and that the results obtained are also more accurate. Data pre-processing involves transforming raw data into a format that is appropriate for the model. The normalization technique is one of the techniques contained in pre-processing. This research uses two normalization techniques, namely the simple feature scale and min-max. The purpose of this study is to compare the performance of the KNN model to obtain an optimal prediction model. This study contributes to producing a heart failure prediction model based on the K-Nearest Neighbors (KNN) algorithm that can be optimized to improve the accuracy of early detection, so that it can help medical personnel in making more appropriate clinical decisions. The results obtained from this research show that the dataset that uses the min-max normalization method is better than data that is not normalized and data that uses simple feature scale normalization. The highest level of accuracy was achieved by employing the min-max normalisation technique, with a value of K=9, resulting in an accuracy rate of 85.05%.
Meningkatkan Keterampilan Profesional Mahasiswa: Strategi Penguatan Soft Skills untuk Sukses di Era Digital Huda, Nurul; Istiawan, Deden; Masitha, Alya; Mahiruna, Adiyah
Jurnal Pengabdian Masyarakat Sains dan Teknologi Vol. 3 No. 4 (2024): Desember : Jurnal Pengabdian Masyarakat Sains dan Teknologi
Publisher : Fakultas Teknik Universitas Cenderawasih

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58169/jpmsaintek.v3i4.660

Abstract

This community service program aims to equip students with knowledge and skills relevant to facing the challenges of the digital workforce. The activity was attended by 40 students, with materials covering four main topics: Understanding the Digital Era Workforce, Key Soft Skills for the Digital Era, Building Competencies for the Digital Workforce, and Preparing for Career Success. In addition, participants were guided in creating an individual Action Plan to prepare themselves for career success in the future. The methods used in this program included material presentations, interactive discussions, and the development of personal action plans, aiming to enhance both technical and non-technical skills needed in the digital workforce. Evaluation results show that 75% of students rated the material as excellent, 20% as good, and 5% found it somewhat beneficial. This indicates the program’s success in providing significant value to participants. This program is expected to enhance students' readiness to enter the increasingly digital and technology-driven job market, while providing valuable insights for planning and developing their careers. Moving forward, this activity can serve as a model for developing more effective community service programs that align with the needs of the modern workforce.
Penentuan Pusat Awal Klaster Algoritma K-Means Untuk Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasarkan Tingkat Kemiskinan Zilfi, Elok Maria; Istiawan, Deden; Ngatimin; Zaenah; Nahdluddin
Journal of Applied Statistics and Data Mining Vol. 2 No. 1 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i1.18

Abstract

Kemiskinan merupakan masalah klasik yang umum dan bersifat multidimensional serta sering dialami oleh berbagai negara didunia. Kemiskinan dipandang sebagai ketidakmampuan dari segi ekonomi untuk memenuhi kebutuhan dasar yaitu makanan dan bukan makanan yang mana diukur dari sisi pengeluaran. Kemiskinan menjadi masalah fenomenal yang mana dialami oleh berbagai negara. Indonesia sendiri merupakan salah satu negara yang mengalami masalah kemiskinan. Negara Indonesia memiliki ribuan pulau, dan pulau dengan angka kemiskinan tertinggi adalah Pulau Jawa. Sedangkan Jawa Timur merupakan provinsi dengan jumlah penduduk miskin tertinggi di Pulau Jawa dengan total penduduk miskin sebesar 4.617,01 ribu jiwa, selain itu Jawa Timur juga memiliki kesenjangan sosial yang tinggi. Dalam hal ini mempelajari masalah kemiskinan sangatlah penting, dengan tujuan membantu pemerintah menentukan arah kebijakan dalam menanggulangi kemiskinan. Untuk menunjang keberhasilan pelaksanaan program pembangunan terutama yang bersangkutan dengan penanggulangan kemiskinan di Provinsi Jawa Timur diperlukan suatu penelitian yang dapat mengelompokkan kabupaten/kota yang mempunyai ciri-ciri atau karakteristik kemiskinan yang hampir sama atau homogen. Sehingga pada penelitian ini, peneliti menggunakan metode GK Algorithm dalam mengatasi kekurangan pada metode K-Means dalam pemetaan kabupaten/kota di Jawa Timur berdasarkan tingkat kemiskinan. Dimana jenis data yang digunakan adalah data sekunder yang diambil dari BPS Provinsi Jawa Timur pada tahun 2016 yang diunduh pada website https://jatim.bps.go.id/. Dengan variabel yang digunakan adalah angka harapan hidup, angka kematian bayi, angka harapan lama sekolah, angka melek huruf, fasilitas BAB tidak ada jamban, sumber penerangan listrik, sumber air tidak dilindungi, bahan bakar memasak non gas, dan rata-rata luas lantai. Kemudian data dianalisis dengan menggunakan beberapa tahap yaitu: analisa permasalahan, pengumpulan data, metode usulan, dan eksperimen pengujian. Setelah dianalisis kemudian diperoleh kesimpulan bahwa kemiskinan di Jawa Timur terbentuk menjadi 3 klaster dan didapatkan bahwa GK-Algorithm lebih baik daripada algoritma K-Means.
Penerapan Algoritma C4.5 untuk Klasifikasi Lahan Kritis Kabupaten Grobogan Arif Arrahman, Malik; Istiawan, Deden; Yogi Prayogi, Sukmono; Zaenah; Adilah Ahmad, Muna
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i2.20

Abstract

Penentuan lahan kritis dilakukan dengan pembagian 3 kawasan yaitu kawasan budidaya pertanian, kawasan hutan lindung dan kawasan lindung di luar kawasan hutan. Laju kerusakan hutan dan lahan kritis di Indonesia tercatat telah mencapai 27,2 juta hektar di tahun 2014. Untuk mengatasi lahan kritis serta memulihkan, mempertahankan dan meningkatkan fungsi hutan dan lahan, Kementerian Kehutanan mencanangkan kegiatan Rehabilitasi Hutan dan Lahan (RHL). Berdasarkan laporan Badan Pusat Statistik tahun 2016 Kabupaten Grobogan menempati urutan pertama di Provinsi Jawa Tengah yang memiliki luas lahan kritis diluar kawasan hutan sebesar 203.131,10 ha. Untuk mengatasi masalah tersebut peneliti menggunakan pendekatan data mining. Data mining mempunyai lima peran utama yaitu estimasi, prediksi, klasifikasi, klaster dan asosiasi. Klasifikasi merupakan salah satu teknik yang terdapat pada data mining. Tujuan dari teknik klasifikasi data mining adalah untuk memprediksi kelas target secara akurat dengan menggunakan variabel-variabel terkait. Dalam kasus ini peneliti menggunakan algorima C4.5 akan digunakan untuk mengklasifikasikan dan menghitung tingkat akurasi data BPDAS pemali jratun Kabupaten Grobogan untuk mengetahui kondisi kekritisan daerah sub DAS. Metode penelitian yang digunakan meliputi beberapa tahap diantaranya analisa masalah, pengumpulan data, metode usulan, serta eksperimen dan juga pengujian. Data yang didapatkan kemudian dianalisis menggunakan algoritma C4.5. Setelah dianalisis diperoleh kesimpulan bahwa Klasifikasi lahan kritis pada Kabupaten Grobogan dapat diterapkan dengan baik pada Algoritma C4.5, dan data mendapatkan hasil 51,89% kualitas lahan yang dinyatakan tidak kritis. Dan dapat disimpulkan bahwa algoritma C4.5 memiliki akurasi yaitu sebesar 90,71% artinya Algoritma C4.5 dapat memprediksi benar sesuai dengan kondisi aktual. Selain itu, nilai F-Measure juga terlihat bahwa C4.5 memiliki nilai sebesar 91,68 artinya Algoritma C4.5 mampu mengidentifikasi kejadian dengan tepat pada kelas true positif.
Penerapan Algoritma Self Organizing Maps untuk Pengelompokkan Penyandang Masalah Kesejahteraan Sosial di Provinsi Jawa Tengah Chaerul Iqbal , Ilham; Istiawan, Deden; Ngatimin; Zaenah; Huda, Nurul
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i2.21

Abstract

Penyandang Masalah Kesejahteraan Sosial (PMKS) adalah seseorang atau keluarga karena suatu hambatan, kesulitan atau gangguan tidak dapat melaksanakan fungsi sosialnya dan karenanya tidak dapat menjalin hubungan yang serasi dan kreatif dengan lingkungannya sehingga tidak dapat memenuhi kebutuhan hidupnya (jasmani, rohani, sosial) secara memadai dan wajar. Berdasarkan data penyandang masalah kesejahteraan sosial (PMKS) di Dinas Sosial Provinsi Jawa Tengah, menampilkan tiap daerah memiliki jumlah yang bervariasi dari 26 indikator tersebut. Untuk itu diperlukan pengelompokkan, supaya diketahui karakteristik dari tiap kota atau kabupaten yang memiliki jumlah yang banyak maupun sedikit, oleh karena itu dibutuhkan metode untuk memudahkan dalam pengelompokkan. Data cenderung berdimensi tinggi daripada umumnya dan memiliki atribut lebih dari sepuluh. Sehingga pada penelitian ini menggunakan metode algoritma Self Organizing Maps (SOM) karena efektif untuk visualisasi data berdimensi tinggi. Penelitian ini memperoleh bahwa Kabupaten atau Kota di Provinsi Jawa Tengah yang tidak sejahtera yaitu Kabupaten Purbalingga dan Kabupaten Cilacap. Hasil pengelompokkan Kabupaten/Kota di Jawa Tengah menjadi 3 cluster dimana cluster 1 terdiri dari 4 daerah dikategorikan cukup sejahtera, cluster 2 terdiri dari 13 daerah dikategorikan tidak sejahtera, dan cluster 3 terdiri dari 18 daerah dikategorikan sejahtera.
PENGELOMPOKAN TINGKAT KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR MENGUNAKAN ALGORITMA K-MEANS++ Chintya Devi Panglipuring Sriaji; Zaenah; Istiawan, Deden; Sukmono Yogi Prayogi; Adiyah Mahiruna
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i2.39

Abstract

Menurut Badan Perencanaan dan Pembangungan Daerah (BAPPEDA) kemiskinan adalah kondisi dimana seseorang atau sekelompok orang tidak mampu memenuhi hak-hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat, dimana hak-hak dasar tersebut yaitu terpenuhinya kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih, pertanahan, sumber daya alam dan lingkungan hidup, rasa aman dari tindak kekerasan dan hak berpartisipasi dalam sosial politik. Kemiskinan di Indonesia dipengaruhi oleh beberapa faktor, salah satunya ialah tingkat pengangguran yaitu karena tingkat pengangguran yang tinggi menyebabkan rendahnya pendapatan yang selanjutnya memicu munculnya kemiskinan. Dimana provinsi dengan jumlah penduduk miskin terbanyak di Pulau Jawa adalah provinsi Jawa Timur yaitu mencapai 4.332.590 jiwa. Tingkat kemiskinan di Jawa Timur dipengaruhi oleh beberapa faktor diantaranya yaitu Indeks Pembangunan Manusia, Produk Domestik Regional Bruto per kapita, dan belanja publik. Untuk mengelompokan data kemiskinan di Jawa Timur penelitian ini menggunakan metode K-Means++. Dimana data yang digunakan adalah data sekunder yang mana diambil pada BDT TNP2K BAPPEDA JawaTimur pada tahun 2015 yang diunduh pada website http://www.tnp2k.go.id/. Metode penelitian yang digunakan meliputi beberapa tahap diantaranya analisa masalah, pengumpulan data, metode usulan, serta eksperimen dan juga pengujian. Data yang didapatkan kemudian dianalisis menggunakan beberapa langkah yaitu: menentukan jumlah klaster K=2, inisialisasi centroid, menghitung jumlah jarak terdekat, menentukan pusat klaster baru, mengalokasikan data sampai datanya tidak berpindah kelompok. Setelah dianalisis diperoleh kesimpulan bahwa data kemiskinan di Jawa Timur terbentuk menjadi 2 klaster dan juga didapat kesimpulan bahwa K-means++ lebih baik dari pada K-Means.
Penguatan Struktur Data dan Algoritma bagi Mahasiswa: Fondasi Karir Profesional di Bidang Teknologi Informasi Huda, Nurul; Istiawan, Deden; Khikmah, Laelatul; Nur Cahyani, Annisa
Indonesia Bergerak : Jurnal Hasil Kegiatan Pengabdian Masyarakat Vol. 3 No. 3 (2025): Juli : Indonesia Bergerak : Jurnal Hasil Kegiatan Pengabdian Masyarakat
Publisher : Asosiasi Riset Ilmu Teknik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/inber.v3i3.942

Abstract

The rapid advancement of information technology demands higher education graduates to possess strong digital competencies, particularly algorithmic literacy. This form of literacy involves understanding data structures, programming logic, and computational thinking in problem-solving. This community service program aimed to strengthen algorithmic literacy among students as a foundational skill for building a professional career in the field of information technology. Conducted at the Information Technology Study Program of Universitas ‘Aisyiyah Yogyakarta, the program included need assessment, instructional material development, interactive training sessions, case-based group work, and evaluation through student presentations. The results showed significant improvement in students’ understanding of algorithms and their ability to design efficient and systematic solutions. By applying a problem-based and collaborative learning approach, students also developed essential 21st-century skills such as communication and teamwork. The case presentation-based evaluation provided comprehensive insights into their critical and logical thinking abilities. This program successfully contributed to preparing students not only as technology users but also as future innovators in the digital era.
Perbandingan Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbour untuk Prediksi Lahan Kritis di Kabupaten Pemalang Khotimah, Nur; Istiawan, Deden
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

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

Abstract

Keberadaan lahan merupakan aspek penting dalam kehidupanmanusia dan makhluk hidup lainnya, akan tetapi persoalan kerusakanhutan dan lahan terus terjadi dan mengalami peningkatan sehinggamengakibatkan lahan menjadi kritis. Data dan informasi mengenaidegradasi hutan dan lahan seringkali tidak mengacu kepada formatdan struktur database yang dapat dipertanggungjawabkan.Sehinggasalah satu faktor penting dalam menentukan kesuksesanpemetaanpenggunaan lahan guna meningkatkan fungsi hutan lindungdan hutan konservasiterletak pada pemilihan skema klasifikasilahannya. Klasifikasi dapat diselesaikan dengan menggunakan teknikdata mining. Klasifikasi termasuk dalam tipe supervised learning yangartinya dibutuhkan data pelatihan untuk membangun suatu modelklasifikasinya. Terdapat lima kategori klasifikasi yaitu berbasisstastistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringansaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyakpilihan algoritma. Algoritma yang paling sering digunakan adalahalgoritma C4.5, Naïve Bayes, dan k-Nearest Neighbour (k-NN).Penelitian ini akan membandingkan hasil klasifikasi dari tigaalgoritma tersebut untuk mengetahui algoritma mana yang memilikikinerja paling baik dalam memprediksi berdasarkan nilai akurasi.Data yang digunakan yaitu data lahan lahan kritis daerah hutanlindung dan hutan konservasi Kabupaten Pemalang .Hasil daripenelitian ini diperoleh C4.5 memiliki akurasi paling tinggi sebesar77,75 % disusul Naïve Bayes 77,49% dan terakhir k-NN memilikiakurasi sebesar 73,91%.
Co-Authors Adilah Ahmad, Muna Adiyah Mahiruna ALYA MASITHA Amrul Hafiludien Arif Arrahman, Malik Chaerul Iqbal , Ilham Chintya Devi Panglipuring Sriaji Eko Hari Rachmawanto Firdaus, Lucky Nur Rohman Hafiludien, Amrul Ika Safitri Windiarti Khikmah, Laelatul Khotimah, Nur Laelatul Khikmah Mahiruna, Adiyah Mashfuufah, Syayidati Nahdluddin Nanda Zhafran Mahendra Ngatimin NGATIMIN, NGATIMIN Nur Cahyani, Annisa Nur Khotimah Nurul Huda Nurul Huda Nurul huda Prayogi, Sukmono Yogi R Rosidin Ratri Wulandari Santoso, Arif Gunawan Sukmono Yogi Prayogi Sulistijanti, Wellie Syayidati Mashfuufah Wijayaningrum, Taswati Nova Windyaning Ustyannie Yogi Prayogi, Sukmono Zaenah Zilfi, Elok Maria