Article Per Year (5 Year)
p-Index From 2020 - 2025
2.986
P-Index
This Author published in this journals
All Journal Jurnal EECCIS Journal of Information Technology and Computer Science (JOINTECS) JIKO (Jurnal Informatika dan Komputer) J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Masyarakat Merdeka (JMM) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) SPIRIT Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS Jurnal Mnemonic International Journal of Artificial Intelligence and Robotics (IJAIR) Rainstek : Jurnal Terapan Sains dan Teknologi JUSIFOR : Jurnal Sistem Informasi dan Informatika BIMASAKTI
Anang Aris Widodo
Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Merdeka Pasuruan
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Perbandingan Metode Naïve Bayes dan Metode K-Nearest Neighbor Untuk Menentukan Status Gizi Balita Sandra Putra Ramadhan; Nanda Martyan Anggadimas; Anang Aris Widodo
RAINSTEK: Jurnal Terapan Sains dan Teknologi Vol. 5 No. 3 (2023): September
Publisher : Fakultas Sains dan Teknologi Universitas Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/jtst.v5i3.8907

Abstract

Malnutrisi adalah penyakit yang terjadi pada seseorang karena kurangnya asupan gizi atau kurangnya nutrisi yang dikonsumsi oleh tubuh dan tidak memenuhi standart. Perbaikan gizi bisa dilakukan dengan cara pemantauan 1 bulan sekali melalui kegiatan pos pelayanan terpadu (Posyandu), dengan kegiatan tersebut dapat mempermudah mengetahui status gizi balita dan mempermudah orang tua dalam memantau tumbuh kembang balitanya. Untuk mengurangi terjadinya kesalahan dalam melakukan pengolahan dan mengetahui status gizi pada balita maka dilakukan penelitian untuk mencoba membangun sebuah aplikasi komputer berbasis sistem cerdas dengan menerapkan metode Naïve Bayes dan metode K-Nearest Neighbor. Mengetahui akurasi yang paling tinggi atau paling ideal dari kedua metode tersebut adalah tujuan dari penelitin ini, untuk diambil salah satu sebagai bahan rekomendasi keputusan. Hasil yang didapatkan menunjukkan metode K-Nearest Neighbor memiliki kinerja yang lebih baik dengan tingkat akurasi 81%, precision 33%, dan recall 10% sedangkan metode Naïve Bayes memiliki tingkat akurasi yang lebih rendah yaitu 79%, precision 50%, dan recall 10%.
SISTEM PENDUKUNG KEPUTUSAN KENAIKAN JABATAN MENGGUNAKAN METODE PROFILE MATCHING: ( STUDI KASUS : PT. METSUMA ANUGRAH GRAHA ) Aris Widodo, Anang; Misdram, M
Jurnal Mnemonic Vol 2 No 2 (2019): Mnemonic Vol. 2 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (607.117 KB) | DOI: 10.36040/mnemonic.v2i2.2259

Abstract

Jika berbicara organisasi atau perusahaan, terdapat beberapa faktor penting yang dapat menentukan maju atau mundurnya organisasi atau perusahaan tersebut, di antaranya adalah peran karyawan. karyawan yang mempunyai kualitas tinggi akan sangat membantu perusahaan dalam mencapai tujuannya. Perusahaan dapat memberikan penghargaan kepada karyawan yang dianggap berprestasi berupa kenaikan jabatan. Penelitian ini mengangkat studi kasus sistem pendukung keputusan kenaikan jabatan menggunakan metode profile matching di PT. Metsuma Anugrah Graha. Saat ini proses kenaikan jabatan karyawan yang terdapat pada PT. Metsuma Anugrah Graha belum dapat memenuhi kebutuhan yang diinginkan karena masih dilakukan secara manual. Pengumpulan data penelitian menggunakan teknik observasi, wawancara, dan studi pustaka. Metodologi pengembangan sistem yang digunakan adalah metodologi terstruktur dengan perancangan model yang digunakan adalah model Pencocokan Profil (profile matching) dengan metode perhitungan Pemetaan Gap Kompetensi serta PHP dan MySQL sebagai alat pengkodean komputer. Sistem Pendukung Keputusan ini dapat menjadi solusi dalam pengambil keputusan untuk menentukan perhitungan nilai kenaikan jabatan.
Classification Appropriateness Recipient Help Non-Cash Food Using Learning Vector Quantization (LVQ) Method Lestari, Ayu; Aris Widodo, Anang; Martyan Anggadimas, Nanda
International Journal of Artificial Intelligence & Robotics (IJAIR) Vol. 5 No. 1 (2023): May 2023
Publisher : Informatics Department-Universitas Dr. Soetomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25139/ijair.v5i1.6287

Abstract

Help Non-Cash Food is a program from the Government that is used to overcome poverty. The program is not functioning as well as it could because the procedure of receiving aid is not uniform, and individuals responsible for making choices are having trouble determining which families are qualified to receive the assistance. To overcome this problem, a classification system is needed to classify the eligibility of Non-Cash Food Assistance recipients so that the results are more efficient and accurate. This research uses the Learning Vector Quantization (LVQ) method with Python. This research aims to implement the LVQ method for the eligibility classification of non-cash food assistance recipients. System design is a stage that contains the process from start to finish of running this system which is described in the form of a flowchart, including system requirements that support this research, both software and hardware. In the process of analyzing the results and tests that are used as evaluation material in the process of finding a solution to a problem and making decisions in the process of planning activities, it is necessary to assess whether or not the LVQ approach is practicable to apply based on the findings of the research. In this study, 200 datasets were used with three epoch values and a learning rate of 0.1. The data set was randomly divided into a training portion of 80% and a testing portion of 20%. So that the results of this research using the LVQ method on the eligibility classification of recipients of Non-Cash Food Assistance obtain an accuracy of 97.5%.
DESAIN WEB LOKAPASAR INTELIJEN DENGAN SISTEM REKOMENDASI UNTUK MENINGKATKAN VISIBILITAS PRODUK MBOISMART MALANG Akhriza, Tubagus Mohammad; Farida, Eni; Widodo, Anang Aris
JURNAL APLIKASI DAN INOVASI IPTEKS "SOLIDITAS" (J-SOLID) Vol. 7 No. 2 (2024): Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS
Publisher : Badan Penerbitan Universitas Widyagama Malang

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

Abstract

Koperasi Pemasaran "Malang Kreatif Mbois" (MKKM) mengelola Mboismart sebagai toko fisik di gedung Malang Creative Center (MCC) Kota Malang, yang menghadapi tantangan dalam hal visibilitas produk yang terbatas pada pengunjung MCC. Untuk mengatasi keterbatasan ini, Tim Pengabdian kepada Masyarakat (PkM) dari STIMATA Malang dan Universitas Merdeka Pasuruan berkolaborasi mengembangkan lokapasar digital Mboismart.com. Artikel ini membahas kegiatan pengembangan prototipe web lokapasar ini sebagai solusi untuk memperluas jangkauan pasar dan meningkatkan eksposur produk UMKM yang menjadi mitra supplier Mboismart. Pengembangan lokapasar mencakup pembentukan dataset master produk dan supplier untuk kategori fashion, kriya, dan kuliner, yang sebelumnya belum terstruktur, serta pengintegrasian sistem rekomendasi berbasis association rule learning. Sistem rekomendasi ini menyarankan kombinasi produk populer dan non- populer untuk meningkatkan visibilitas produk yang kurang diminati. Selain itu, Focus Group Discussion (FGD) yang dilakukan mengidentifikasi persiapan penting terkait operasional lokapasar, seperti penanganan lonjakan order dan strategi promosi digital. Hasil awal menunjukkan potensi lokapasar ini dalam memperkuat pemasaran digital Mboismart, dengan dukungan administrasi konten yang efektif dan strategi promosi berkelanjutan. Artikel ini juga membahas tantangan yang dihadapi dan rencana keberlanjutan untuk mendukung peningkatan visibilitas produk UMKM di bawah naungan MKKM.
PREDIKSI BEBAN BANDWIDTH MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM DAN TIME SERIES PADA INTERNET SERVICE PROVIDER (ISP) Alwan, Muchammad Faiq; Widodo, Anang Aris; Hariyanto, Rudi
Jurnal Fakultas Teknologi Informasi Vol 5 No 2 (2023): BIMASAKTI
Publisher : Fakultas Sains dan Teknologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/bimasakti.v5i2.8945

Abstract

Prediksi kebutuhan bandwidth pada jaringan komputer di Internet Service Provider (ISP) diperlukan untuk mengidentifikasi kebutuhan bandwidth yang akan terjadi, baik pada jaringan LAN maupun pada jaringan koneksi internet sehingga dapat meningkatkan kualitas layanan Internet Servise Provider dan menentukan berapa besar biaya yang akan dikeluarkan untuk sewa bandwidth. Apabila pemberian bandwidth lebih besar dari kebutuhan yang sebenarnya akan mengakibatkan pemborosan bandwidth. Sedangkan apabila pemberian bandwidth lebih rendah dari kebutuhan sebenarnya, pengaksesan bagi konsumen menjadi lebih lambat yang akibatnya merugikan pihak pengguna. Tujuan penulis ingin menyampaikan cara membangun model prediksi beban bandwidth menggunakan metode Fuzzy Inference System dan Time Series pada Internet Service Provider (ISP) sebagai pertimbangan menentukan beban bandwidth di varian tipe hari, seperti hari kerja, hari libur dan hari libur nasional. Peramalan atau prediksi beban bandwidth Hasil penilitian didapatkan perbandingan seperti pada tabel 4.2 terjadi selisih yang sedikit jika dibandingkan dengan keduanya.. Dalam presentasi kesalahan untuk Fuzzy Inference System berdasarkan perbandingan Fuzzy Time Series dengan nilai MSE dan nilai MAPE dengan kriteria MAPE <10% yang di nilai “sangat baik”.
Pemanfaatan IoT (Internet Of Things) Sebagai Upaya Optimalisasi Peran Generasi Millennial Dalam Kegunaan Waktu Dan Hidup Sehat Di Tengah Pandemi Covid-19 Widodo, Anang Aris
JMM - Jurnal Masyarakat Merdeka Vol 3, No 1 (2020): MEI
Publisher : Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jmm.v3i1.51

Abstract

Pandemi Covid-19 sangat berdampak luas pada berbagai bidang, desa wrati kecamatan kejayan kabupaten pasuruan adalah salah satu desa yang menjadi dampak covid-19. Minimnya sumberdaya alam dan sumberdaya manusia menjadi faktor terpenting dalam pemulihan dampak covid -19. Kegiatan Kuliah Kerja Nyata adalah kegiatan akademik bagi mahasiswa, KKN merupakan implementasi kegiatan akademik yang menitik beratkan fokus pada pengabdian kepada masyarakat. Instruksi pemerintah dalam pengendalian Covid -19 adalah dengan jaga jarak. Semua kegiatan di lakukan dengan cara daring untuk meminimalisir less contact. Internet sebagai salah satu media untuk tetap dapat melakukan aktifitas sehari hari di tengah pandemi covid-19. Melalui edukasi, sosialisasi dan pendampingan yang kompeten dan profesional pada desa wrati untuk memecahkan masalah dampak pandemi covid-19 sehingga bisa membangkitkan UMKM/UKM, membantu sekolah daring, kegiatan pemasaran online dan lainnya dari dampak covid -19. Hasil dari Kegiatan dan pemanfaatan IoT 90 persen warga telah berhasil memanfaatkan dengan baik.Kata Kunci: Optimalisasi IoT; Waktu dan Hidup Sehat, Pandemi Covid-19
IMPLEMENTATION OF THE BACKPROPAGATION METHOD FOR RECOMMENDING ANNUAL AWARD RECIPIENTS AMONG OUTSTANDING STUDENTS Romadhona, Salsabil Wahyu; Sarwani, Mohammad Zoqi; Widodo, Anang Aris
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.7978

Abstract

This research aims to develop a recommendation system for annual awards for outstanding students using the Backpropagation method in an Artificial Neural Network (ANN). Student assessment is based on four main variables: academic grades, attitude scores, extracurricular activity scores, and attendance records. The data were obtained from an elementary school in Pasuruan City through a survey method, then processed using preprocessing and normalization techniques before being trained using the Backpropagation algorithm. The model was developed using a Sequential architecture with two hidden layers, and its performance was evaluated using a confusion matrix and a classifi-cation report. The testing results showed that the model was able to classify outstanding students with a highest accuracy rate of 97%, demonstrating strong performance in terms of precision, recall, and F1 score. These results indicate that the Backpropagation method is effec-tive in enhancing the objectivity and efficiency of the outstanding stu-dent selection process based on historical data.
Co-Authors Alif Dio Raka Wisnu Alwan, Muchammad Faiq Anastasia L Maukar Andre Maulana AYU LESTARI Danang Tisma Amijaya Eni Farida Fahmi Syarifuddin Fitri Marisa Harry Soekotjo Dachlan Izza Mahendra, Muchammad Yuska M Misdram, M Martyan Anggadimas, Nanda Mohammad Nur Cholis Mohammad Zoqi Sarwani, Mohammad Zoqi Muhammad Ganda Arizqia Muhammad Hanif Muhammad Idris Muhammad Iqbal Muzakki Muhammad Misdram Muhammad Misdram Muhdi . Muslim Alamsyah Nanda Martyan Anggadimas Rizal Furqan Ramadhan Romadhona, Salsabil Wahyu Roni Wibowo Rudi Hariyanto Sandra Putra Ramadhan Sholeh Hadi Pramono Tubagus Mohammad Akhriza Yanuar Arifin Zoqi Sarwani, Mohammad