Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) INTEGER: Journal of Information Technology Rainstek : Jurnal Terapan Sains dan Teknologi BIMASAKTI
Anggadimas, Nanda Martyan
Unknown Affiliation
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 Mathematics Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Klarifikasi Status Penderita Gizi Sunting Pada Balita Menggunakan Metode Random Forest Aprilia, Yunita Nur; Sani, Dian Ahkam; Anggadimas, Nanda Martyan
INTEGER: Journal of Information Technology Vol 9, No 2: September 2024
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v9i2.6080

Abstract

Stunting in children, as in this case, is characterized by lower-than-average body growth. This is caused by a mismatch between long-term nutrient intake and the body's needs. Possible impacts include delayed cognitive development, impairments in learning ability, as well as an increased risk of metabolic syndrome. To overcome these problems, a structured and data-based system is needed with one of the agreements used, namely the Random Forest Method on the system using stunting nutrition data for toddlers as the basis for the classification process. In developing the system that was built to help track the health of young children, especially stunting by using several indicators to support innovation, provide a classification model for toddlers suffering from stunting nutrition, and measure and evaluate the performance results of the Random Forest Method against the data variables used. From this study, it can be shown that the results of this study are that this system has successfully made a classification model and is very effective in measuring and evaluating the performance results of the Random Forest Method in the Status Classification of Stunting Nutritional Patients in Toddlers by using a dataset of 300 data so that it produces an average accuracy of 81%, an average result of 76%, an average recall result of 69%, and the average F1 score result is 72%.
ANALISIS KEPUASAN PELANGGAN PADA PELAYANAN E-COMMERCE TOKOPEDIA DAN SHOPEE PADA TWITTER MENGGUNAKAN RECURRENT NEURAL NETWORK Alfani, Syahrul; Hariyanto, Rudi; Anggadimas, Nanda Martyan
Jurnal Fakultas Teknologi Informasi Vol 7 No 1 (2024): BIMASAKTI
Publisher : Fakultas Sains dan Teknologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/bimasakti.v7i1.10387

Abstract

Salah satu media sosial yang mempengaruhi transaksi e-commerce tersebut adalah Twitter, karena salah satu media sosial yang sangat populer di Indonesia. Menurut Kementerian Komunikasi dan Informatika,Data pengguna Twitter ini dapat digunakan untuk menganalisis perkembangan sistem yang lebih baik dalam e-commerce, dan analisis yang dilakukan akan berguna untuk mengetahui pendapat pengguna Twitter tentang efisiensi pelanggan e-commerce.Proyek yang dipilih dalam penelitian ini adalah platform e-commerce dari perusahaan teknologi Indonesia Tokopedia dan perusahaan teknologi asing Shopee. Reccurent Neural Netwrok(RNN) adalah bagian dari jaringan saraf untuk memproses data yang terhubung (data berurutan). Algoritma RNN digunakan dalam analisis ini, yang menunjukkan kinerja yang baik dalam memproses data seperti teks.Identifikasi permasalahan yang ada yaitu persaingan antara e- commerce Tokopedia dan Shopee yang terdapat pada ulasan/tweets pengguna di sosial media Twitter. Membandingkan kepuasan pelayanan yang dirasakan pelanggan terhadap kedua e-commerce menggunakan Recurrent Neural Network (RNN) untuk mendapatkan nilai akurasi yang terbaik. Pencarian literatur berdasarkan topik penelitian yang telah ditentukan pada tahap awal penelitian ini.ulasan/tweets pengguna di sosial media Twitter dijadikan sebagai sumber data yang digunakan dalam penelitian untuk menyeleksi variabel.Confusion matrix digunakan untuk mengevaluasi kinerja sebuah model klasifikasi dengan membandingkan label asli dan prediksi label dari set data yang diberikan. Pada kasus ini, kita memiliki confusion matrix dengan dua kelas yang direpresentasikan sebagai 0 (negative) dan 1 (positive).Berdasarkan pembahasan dan hasil analisis, bahwa ulasan tweets yang berjumlah 200 data Tokopedia dan 200 data Shopee. Dalam proses pengujian klasifikasi dari hasil perhitungan confusion matrix yang menjadi acuan untuk prediksi dan aktual, lalu menggunakan model algoritma yaitu Simple RNN. Pada ulasan pelanggan lebih banyak menyukai pelayanan Tokopedia dari user Twitter dapat dilihat dengan data uji yang positif sebesar 140 data sedangkan data uji yang positif pada pelayanan Shopee sebesar 120 data. Hasil akurasi yang memperoleh performa lebih baik yaitu Tokopedia menggunakan algoritme Simple RNN dengan nilai akurasi mencapai 53%, presisi mencapai 57%, recall mencapai 50%, dan f1-score mencapai 53,27%. Jika dibandingkan nilai klasifikasi terbaik dari data Shopee dari algoritme Simple RNN menunjukkan nilai klasifikasi dengan hasil akurasi sebesar 47%, presisi mencapai 60%, recall sebesar 33%, dan f1-score mencapai 40%.
Media Pembelajaran Berbasis Game Edukasi Aksara Jawa Murda Menggunakan Algoritma Fisher Yates Shuffle Maulana, Fery; Alamsyah, Muslim; Anggadimas, Nanda Martyan
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7266

Abstract

Pengembangan media pembelajaran berbasis game edukasi semakin dibutuhkan untuk mendukung proses pembelajaran yang interaktif dan menarik, khususnya dalam mata pelajaran Bahasa Jawa. Penelitian ini bertujuan untuk mengembangkan game edukasi aksara Jawa Murda untuk siswa kelas VII SMP dengan menggunakan algoritma Fisher-Yates Shuffle. Algoritma ini digunakan untuk mengacak soal, sehingga memberikan pengalaman bermain yang dinamis dan tidak monoton. Game yang dikembangkan berbentuk permainan petualangan dengan lima level, di mana setiap level menyajikan soal pilihan ganda terkait aksara Jawa Murda. Setelah menyelesaikan lima level, pemain akan kembali ke menu utama, dan set soal kedua akan ditampilkan pada sesi permainan berikutnya. Hasil penelitian menunjukkan bahwa game ini efektif meningkatkan minat belajar siswa terhadap materi aksara Jawa Murda. Uji coba dilakukan pada siswa kelas VII dengan hasil yang menunjukkan tingkat kepuasan tinggi terhadap aspek visual, fungsionalitas, dan efektivitas pembelajaran. Dengan adanya media pembelajaran berbasis game ini, diharapkan siswa dapat belajar aksara Jawa Murda dengan lebih menyenangkan dan efisien.Kata Kunci: Media pembelajaran, game edukasi, aksara Jawa Murda, Fisher-Yates Shuffle, siswa SMP.
Perbandingan Metode Naïve Bayes dan Metode K-Nearest Neighbor Untuk Menentukan Status Gizi Balita Putra Ramadhan, Sandra; Anggadimas, Nanda Martyan; Aris Widodo, Anang
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%.
Klasifikasi Citra Penyakit Daun Padi Dengan Metode CNN Menggunakan Arsitektur ResNet50V2 Maulana, Muhamad Filla Akbar; Anggadimas, Nanda Martyan; Sani, Dian Ahkam
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66960

Abstract

Tanaman padi sangat penting untuk menjaga ketersediaan pangan di Indonesia. Namun, produksinya sering menurun karena berbagai masalah, salah satunya yaitu penyakit daun yang sulit dikenali sejak awal. Jika penyakit tidak cepat dikenali dan ditangani, hal ini bisa menyebabkan hasil panen menurun drastis dan mengganggu pasokan beras di dalam negeri. Oleh karena itu, penelitian ini bertujuan untuk pengembangan sistem identifikasi penyakit daun padi otomatis. Sistem ini memanfaatkan citra digital dan jaringan saraf tiruan Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2 untuk mengenali delapan jenis penyakit: Bacterial Leaf Blight, Brown Spot, Leaf Blast, Leaf Scald, Narrow Brown Spot, Rice Hispa, Sheath Blight, dan Tungro. Data citra diperoleh dari platform Kaggle, dengan total 15.241 gambar yang telah melalui tahapan preprocessing seperti normalisasi piksel, augmentasi, dan pengubahan ukuran menjadi 224x224 piksel. Model CNN dilatih menggunakan pendekatan transfer learning selama 50 epoch dengan bantuan dua fitur callback untuk menjaga kualitas pelatihan. Evaluasi performa dilakukan melalui confusion matrix dan classification report. Berdasarkan hasil pengujian, model menunjukkan akurasi tertinggi sebesar 94,14% pada data uji, serta nilai precision, recall, dan f1-score yang tinggi di hampir seluruh kelas. Dari hasil ini membuktikan bahwa CNN berbasis ResNet50V2 efektif digunakan untuk mendeteksi penyakit daun padi secara otomatis, dan berpotensi diterapkan sebagai alat bantu bagi petani dalam mempercepat proses identifikasi dan pengambilan keputusan di bidang pertanian.
Co-Authors Alamsyah, Muslim Alfani, Syahrul Anang Aris Widodo Aprilia, Yunita Nur Maulana, Fery Maulana, Muhamad Filla Akbar Putra Ramadhan, Sandra Rudi Hariyanto Sani, Dian Ahkam