Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Algoritma Jurnal Teras Pengabdian Masyarakat
Guruh Putro Dirgantoro
Program Teknik Informatika, Universitas NU Sunan Giri, Indonesia
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penguatan Kepengurusan Koperasi melalui Workshop Digitalisasi Pembukuan di Desa Turi, Bojonegoro Guruh Putro Dirgantoro; Nurman Ramadhan
Jurnal Teras Pengabdian Masyarakat Vol. 2 No. 1: Januari (2026)
Publisher : PT. Teras Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64479/jtpm.v2i1.55

Abstract

Koperasi memiliki peran strategis dalam pembangunan ekonomi desa, namun tata kelola keuangan koperasi masih menghadapi tantangan, terutama dalam pencatatan pembukuan yang masih manual. Program pengabdian masyarakat ini bertujuan untuk meningkatkan kapasitas pengurus Koperasi Desa Merah Putih (KDMP) di Desa Turi, Kecamatan Tambakrejo, Bojonegoro, melalui workshop penguatan sistem pembukuan dan digitalisasi berbasis Microsoft Excel. Kegiatan dilakukan dengan metode pelatihan interaktif dan pendampingan langsung, melibatkan pengurus inti koperasi. Hasil kegiatan menunjukkan adanya peningkatan pemahaman peserta mengenai fungsi pembukuan, pencatatan arus kas, serta penggunaan template digital sederhana. Kendala utama berupa keterbatasan waktu dan perbedaan tingkat pemahaman teknis peserta, khususnya pada anggota yang berusia lanjut. Kegiatan ini memberikan dampak positif dalam mendorong transparansi dan akuntabilitas koperasi, serta menjadi langkah awal menuju transformasi digital lembaga ekonomi desa.
Analisis Dampak Penerapan SMOTE terhadap Performa Algoritma SVM dan Random Forest dalam Klasifikasi Risiko Hipertensi Alfianto Faidatul Aldi Yumardiansyah; Mula Agung Barata; Guruh Putro Dirgantoro
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3284

Abstract

Hipertensi merupakan penyakit tidak menular yang sering tidak terdeteksi dini dan berkontribusi besar terhadap beban kesehatan global. Penelitian ini menganalisis dampak SMOTE terhadap kinerja klasifikasi risiko hipertensi menggunakan SVM dan Random Forest pada dataset tidak seimbang (4.240 data; 70% tidak berisiko, 30% berisiko). Pra pemrosesan mencakup imputasi median, penanganan outlier IQR, transformasi log1p, dan standarisasi z-score, dilanjutkan pembagian data 80:20 secara stratified. SMOTE diterapkan hanya pada data latih. Evaluasi menggunakan akurasi, presisi, recall, F1-score, ROC-AUC, dan uji McNemar. Hasil menunjukkan SMOTE meningkatkan recall pada kedua model, namun peningkatan signifikan hanya pada Random Forest (p < 0,05), dengan performa terbaik (akurasi 0,8974; F1-score 0,8833). Tekanan darah sistolik dan diastolik menjadi fitur paling berpengaruh. Temuan ini menegaskan bahwa efektivitas SMOTE bergantung pada algoritma, dengan Random Forest lebih stabil dan interpretatif dibandingkan SVM.
Co-Authors Alfianto Faidatul Aldi Yumardiansyah Mula Agung Barata NURMAN RAMADHAN