Article Per Year (5 Year)
p-Index From 2021 - 2026
2.248
P-Index
This Author published in this journals
All Journal Psychology, Evaluation, and Technology in Educational Research Progresif: Jurnal Ilmiah Komputer Jurnal Sistem Komputer & Kecerdasan Buatan Urecol Journal. Part E: Engineering Journal of Innovative and Creativity Jurnal Abdimas Indonesia Jurnal Bisnis Digital dan Sistem Informasi Jurnal Ilmu Komputer dan Matematika
Achmad Ridwan
UNiversitas Muhammadiyah Kudus, Indonesia
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
DETEKSI DINI ASD(AUTISM SPECTRUM DISORDER) MENGGUNAKAN MACHINE LEARNING Taftazani Ghazi Pratama; Achmad Ridwan; Agung Prihandono
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v4i2.1998

Abstract

Deteksi dini ASD pada seorang balita sangat membantu orang tua untuk mengetahui kembang tumbuh anak. Pada penelitian ini bertujuan untuk  deteksi dini ASD  menggunakan Naive Bayes dan KNN yang diterapkan pada dataset Autism screening data for toddlers.  Penelitian ini dilakukan melalui tahapan pra pengolahan, pembagian data training 80% dan testing 20%, pembuatan model, dan evaluasi dari model yang dibuat.  Hasil evaluasi model yang dibuat  menunjukkan bahwa KNN memperoleh nilai akurasi, sensitivitas, dan spesifisitas lebih tinggi daripada Naive Bayes. KNN memperoleh nilai akurasi sebesar  95,73%, sensitivitas sebesar 93,84%, dan  spesifisitas100%. Hal ini mengindikasikan bahwa KNN dapat membantu dalam deteksi dini pada seorang balita dengan kinerja yang baik. 
Bagaimanakah Pengaruh Data Analytics Terhadap Pengembangan Pemasaran di Era Digital Achmad Ridwan; Edwin Sugesti Nasution; Loso Judijanto; Eka Adnan Agung; Nadia Dwi Irmadiani
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.3732

Abstract

Era digital telah membawa perubahan mendasar dalam strategi pemasaran, di mana data analytics menjadi fondasi utama untuk mendukung pengambilan keputusan yang lebih efektif. Penelitian ini bertujuan untuk menganalisis pengaruh data analytics terhadap pengembangan pemasaran, khususnya dalam konteks usaha mikro, kecil, dan menengah (UMKM) di Indonesia. Metode yang digunakan adalah studi literatur dengan membandingkan fenomena empiris dan pendekatan teoretis dari berbagai penelitian terdahulu. Hasil kajian menunjukkan bahwa data analytics berperan signifikan dalam meningkatkan efektivitas segmentasi, targeting, dan positioning (STP), sekaligus memperkuat customer engagement dan brand awareness melalui personalisasi serta interaksi digital yang lebih relevan.Selain memberikan peluang strategis, penelitian ini juga menemukan adanya tantangan besar dalam penerapan data analytics di sektor UMKM. Hambatan yang dihadapi meliputi rendahnya literasi digital, keterbatasan infrastruktur, biaya implementasi, serta resistensi budaya organisasi. Faktor-faktor ini memperlihatkan adanya kesenjangan antara teori yang menekankan pentingnya data analytics dengan realitas implementasi di lapangan. Meskipun demikian, dengan dukungan regulasi pemerintah, penguatan literasi digital, serta pendampingan teknis dari berbagai pihak, tantangan ini dapat diatasi sehingga UMKM dapat memaksimalkan manfaat data analytics.Implikasi teoretis dari penelitian ini adalah memperkaya literatur pemasaran digital dengan menegaskan peran data analytics sebagai sumber daya strategis yang mendorong agility dan integrasi omnichannel. Sementara itu, implikasi praktisnya adalah memberikan rekomendasi bagi UMKM untuk menjadikan data analytics sebagai bagian inti dari strategi bisnis dalam menghadapi persaingan global. Penelitian ini menyimpulkan bahwa data analytics bukan sekadar alat analisis, tetapi pilar penting dalam membangun keberlanjutan bisnis dan keunggulan kompetitif di era digital. Keywords: Data analytics, pemasaran digital, customer engagement, UMKM.
Analisis Perbandingan Kinerja Algoritma Naïve Bayes Dan KNN Untuk Memprediksi Penyakit Diabetes Osama Maulana Haq; Achmad Ridwan; Taftazani Ghazi Pratama
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1 (2025): Februari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2424

Abstract

Diabetes is a chronic disease affecting various age groups with a risk of fatal complications. Accurate diagnosis is a crucial initial step in management; however, the gradual progression of symptoms often leads to delayed detection. This study compares the accuracy of the Naïve Bayes and K-Nearest Neighbors (KNN) algorithms in predicting diabetes using a dataset from Kaggle. Naïve Bayes was chosen for its ability to handle large datasets, missing values, irrelevant attributes, and noise, while KNN offers simplicity in implementation. The results show that KNN achieves a higher accuracy of 79% compared to Naïve Bayes at 76%. Therefore, KNN is recommended for diabetes prediction based on this dataset.Keywords: Diabetes; Naïve Bayes, K-Nearest Neighbors; Accuracy AbstrakDiabetes merupakan penyakit kronis yang menyerang berbagai usia dengan risiko komplikasi fatal. Diagnosis yang akurat menjadi langkah awal penting untuk pengelolaan, namun gejala yang berkembang perlahan sering menyebabkan keterlambatan deteksi. Penelitian ini membandingkan akurasi algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam memprediksi diabetes menggunakan dataset dari Kaggle. Naïve Bayes dipilih karena kemampuannya menangani dataset besar, data hilang, atribut tidak relevan, dan noise, sedangkan KNN menawarkan kesederhanaan implementasi. Hasil pengujian menunjukkan bahwa KNN memiliki akurasi lebih tinggi sebesar 79% dibandingkan Naïve Bayes yang mencapai 76%. Dengan demikian, KNN lebih direkomendasikan untuk prediksi diabetes berdasarkan dataset ini.Kata Kunci: Diabetes; Naïve Bayes; K-Nearest Neighbors; Akurasi
Co-Authors Ade Ima Afifa Himayati Afina Mahmudah Agung Prihandono Andi Kurniawan Aqfianti Fadilatunnisa Aulia Nur Mustaanah Dhina Cahya Rohim Diana Tri Lestari Edwin Sugesti Nasution Eka Adnan Agung Elfanesya Silva Fida Maisa Hana Fitriana Kartikasari indah puspitasari Indanah Janu Arlinwibowo Loso Judijanto Muhammad Adib Jauhari Muhammad Nurul Fadel Nadia Dwi Irmadiani Nauval Alfarizi Noor Hidayah Osama Maulana Haq Safira Selly Saiful Ulya Sakila Jauza Adiba Siti Sofia Rahma Soma Setiawan P.N Soma Setiawan Ponco Nugroho Sukesih Sukesih Taftazani Ghazi Pratama Widya Cholid Yayuk Mundriyastutik Yunus Mustaqim