Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Prosiding National Conference for Community Service Project Journal of Applied Data Sciences
Anderson Arvando
Universitas Internasional Batam
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education

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

Found 2 Documents
Search

 1 
Implementasi Survei Pendataan Anggota Keluarga untuk Mengikuti Pemilihan Umum Tahun 2024 Stivani Ayuning Suwarlan; Anderson Arvando; Muhammad Hafizi; Figo Fernando; Glenn Marcel Kalalo; Selina Tan; Servia Servia; Rahmawati Rahmawati; Febrianti Saniapon; Nabila Indah Syahfitri; Nasuwa Aulya; Yenni Tanisya; Melfy Joria; Josua Yoprisyanto; Herlina Herlina; Riyaldi Walvinson; Ihsan Havin; Veren Apriana Jolie; Jesslyn Natalia; Hendry Widjaya Ong
National Conference for Community Service Project (NaCosPro) Vol 5 No 1 (2023): The 5th National Conference for Community Service Project 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v5i1.8252

Abstract

Pemilihan umum adalah salah satu pilar utama dalam sistem demokrasi yang memungkinkan warga negara untuk berpartisipasi dalam menentukan pemimpin dan perwakilan mereka. Oleh karena itu, penting untuk memiliki data yang akurat tentang anggota keluarga yang memenuhi syarat untuk memberikan suara dalam pemilihan umum. Penelitian ini bertujuan untuk mengimplementasikan survei pendataan anggota keluarga guna memastikan seluruh warga yang memenuhi syarat terdaftar sebagai pemilih pada pemilihan umum tahun 2024. Penelitian ini menggunakan metode survei lintas-seksi dengan menggunakan kuesioner terstruktur yang telah dirancang secara cermat. Survei ini dilakukan oleh lembaga pemerintah atau kelompok masyarakat terkait dengan dukungan dari pihak-pihak yang terlibat dalam pemilihan umum. Data yang dikumpulkan meliputi informasi dasar tentang setiap anggota keluarga, seperti nama, tanggal lahir, alamat, nomor identitas, dan status kewarganegaraan. Hasil dari survei ini akan digunakan untuk menyusun dan memperbarui daftar pemilih untuk pemilihan umum tahun 2024. Dengan memiliki daftar pemilih yang tepat, diharapkan tingkat partisipasi dalam pemilihan umum akan meningkat, dan hasilnya akan lebih mewakili keinginan dan aspirasi seluruh warga negara. Namun, penelitian ini juga menghadapi beberapa tantangan, termasuk kesulitan dalam mendapatkan data yang valid dan lengkap dari sebagian masyarakat yang mungkin tidak memiliki akses ke teknologi atau informasi. Oleh karena itu, pendekatan partisipatif dengan melibatkan komunitas lokal dan pihak-pihak terkait sangat penting dalam mengatasi hambatan tersebut.
Nutritionally Balanced Menu Optimization for a Healthy Lifestyle using Integer Linear Programming Suwarno Suwarno; Anderson Arvando; Davina Davina; Brain Gantoro; Hendi Sama; Deli Deli
Journal of Applied Data Sciences Vol 7, No 2: May 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i2.1141

Abstract

Unhealthy dietary patterns and limited access to personalized nutrition guidance contribute significantly to chronic diseases such as diabetes. These issues highlight the need for a reliable, data-driven approach capable of generating individualized dietary recommendations aligned with nutritional standards. This study aims to develop an Integer Linear Programming (ILP) approach integrated with nutritional datasets to generate personalized and nutritionally balanced meal plans. The goal is to determine whether ILP can effectively balance calorie and macronutrient distribution according to user-specific health profiles while ensuring compliance with dietary guidelines and disease-related restrictions. This study applied an ILP-based optimization framework to calculate total daily energy expenditure and macronutrient ratios, incorporating disease-specific constraints and balanced food distributions across meals. Using 244 standardized food items from clinical dietary data, the model’s performance was validated through comparisons with three AI models (ChatGPT, Gemini, DeepSeek) and a certified medical expert across three evaluation rounds. All AI models indicated that the generated meal plans adhered to macronutrient balance and health-specific requirements. Expert validation produced a mean score of 4.85 out of 5 on a Likert scale, reflecting strong agreement regarding the system’s nutritional adequacy, practicality, and safety. These outcomes confirm the ILP framework’s capability to produce balanced, individualized, and clinically sound meal plans. results demonstrate that ILP-based optimization can effectively generate scientifically sound and practical dietary recommendations, meeting both nutritional standards and user-specific needs. The findings highlight ILP’s potential as a computational decision-support tool that complements professional nutrition guidance. Future work should enhance the objective function by adding parameters that model individual preferences, allergy limitations, and cultural dietary norms, and should incorporate extensive clinical datasets to support adaptive recommendation mechanisms that consider chrononutrition, nutritional adequacy, and preparation methods, along with expert-driven adjustments to portion sizes and meal timing for more tailored dietary guidance.
Co-Authors Brain Gantoro Davina Davina Deli Deli Febrianti Saniapon Figo Fernando Glenn Marcel Kalalo Hendry Widjaya Ong Herlina Herlina Ihsan Havin Jesslyn Natalia Josua Yoprisyanto Melfy Joria Muhammad Hafizi Nabila Indah Syahfitri Nasuwa Aulya Rahmawati Rahmawati Riyaldi Walvinson Sama, Hendi Selina Tan Servia Servia Suwarlan, Stivani Ayuning Suwarno Liang Veren Apriana Jolie Yenni Tanisya