Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal ILKOMNIKA: Journal of Computer Science and Applied Informatics Rainstek : Jurnal Terapan Sains dan Teknologi
Nanda Martyan Anggadimas
Universitas Merdeka Pasuruan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
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 Rekomendasi Penerima Bantuan Sosial APBD Menggunakan Metode Support Vector Machine Moch Yazid; Dian Ahkam Sani; Nanda Martyan Anggadimas
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 6 No 1 (2024): Volume 6, Nomor 1, April 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v6i1.619

Abstract

Pemberian bantuan sosial APBD (Anggaran Pendapatan dan Belanja Daerah) merupakan aspek krusial dalam upaya pemerintah untuk mendukung masyarakat yang membutuhkan. Untuk meningkatkan efektivitas dan efisiensi dalam penentuan penerima bantuan, perancangan sistem rekomendasi menjadi suatu kebutuhan. Penelitian ini bertujuan merancang Sistem Rekomendasi Penerima Bantuan Sosial APBD dengan metode metode Support Vector Machine (SVM) dan dilakukan pada Dinas Sosial Kota Pasuruan. Dengan penerapan system diharapkan dapat meningkatkan transparansi, kecepatan, dan ketepatan dalam penentuan penerima bantuan, sehingga sumber daya dapat dialokasikan secara lebih efisien untuk mendukung kesejahteraan masyarakat. Hasil evaluasi model menunjukkan tingkat akurasi sebesar 95%, presisi mencapai 100%, dan recall sekitar 93%. F1-Score model mencapai 96.5.
Co-Authors Anang Aris Widodo Dian Ahkam Sani Moch Yazid Sandra Putra Ramadhan