Article Per Year (5 Year)
p-Index From 2021 - 2026
5.92
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Techno.Com: Jurnal Teknologi Informasi Jurnal Pseudocode Jurnal Edukasi dan Penelitian Informatika (JEPIN) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Khatulistiwa Informatika SMARTICS Journal NUSANTARA : Jurnal Ilmu Pengetahuan Sosial CYBERNETICS METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi BULETIN AL-RIBAATH Jurnal Tekno Insentif PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Teknika Innovation in Research of Informatics (INNOVATICS) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) INSERT: Information System and Emerging Technology Journal JUTECH : Journal Education and Technology Komatika: Jurnal Pengabdian Kepada Masyarakat JSIKTI (Jurnal Sistem Informasi dan Komputer Terapan Indonesia) JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Riset Rumpun Ilmu Teknik (JURRITEK) International Journal of Science and Environment SmartComp Jurnal Informatika Polinema (JIP) KREATIF: Jurnal Pengabdian Masyarakat Nusantara Jurnal Publikasi Teknik Informatika TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Rachmat Wahid Saleh Insani
Universitas Muhammadiyah Pontianak
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology 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 Energy Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
Implementasi Data Mining untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor Enkan Feny Nopitasari; Syarifah Putri Agustini Alkadri; Rachmat Wahid Saleh Insani
KREATIF: Jurnal Pengabdian Masyarakat Nusantara Vol. 5 No. 3 (2025): Jurnal Pengabdian Masyarakat Nusantara
Publisher : AMIK Veteran Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/kreatif.v5i3.8215

Abstract

Stroke remains a major global health challenge, with diagnoses often delayed, particularly in primary care facilities with limited infrastructure. This study aimed to develop a stroke risk classification system using the K-Nearest Neighbor (KNN) algorithm, optimized through comprehensive data preprocessing. A secondary dataset of 5,110 patient records was processed using mean imputation for missing BMI values, winsorization to manage outliers, label encoding for categorical variables, and Min-Max normalization for feature scaling. To address class imbalance, the Synthetic Minority Over-sampling Technique (SMOTE) was applied prior to stratified data splitting into 70% training and 30% testing sets. The KNN model with K=5 demonstrated strong performance, achieving 96% accuracy, 96% precision, 99% recall, and a 97% F1-score on the test data. Multivariate correlation analysis identified age, hypertension, and blood glucose levels as the primary predictors of stroke risk, consistent with established clinical pathophysiology. These findings highlight the critical role of cardiometabolic risk factors in early detection. The system was implemented as a web application using Streamlit, enabling rapid and interactive screening in primary healthcare centers with minimal infrastructure. This practical application has the potential to assist healthcare providers in early stroke detection, accelerating clinical intervention and reducing the likelihood of long-term complications. Nevertheless, several limitations exist. The reliance on secondary data introduces the possibility of regional bias, and the use of SMOTE generates synthetic data that may affect model generalizability. Future research is recommended to validate the model across multi-source datasets, apply advanced hyperparameter tuning, and explore ensemble learning techniques to further enhance predictive reliability. In conclusion, the KNN-based classification system demonstrates promising potential as a practical decision-support tool for early stroke risk assessment in resource-limited healthcare settings.
Implementasi Naïve Bayes dan Decision Tree Untuk Klasifikasi Jenis Tanaman Roni, Roni; Abdullah, Asrul; Insani, Rachmat Wahid Saleh
Jurnal Tekno Insentif Vol 19 No 2 (2025): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36787/jti.v19i2.2072

Abstract

Abstrak Sektor pertanian berkontribusi penting bagi perekonomian Indonesia, namun pemilihan tanaman masih mengandalkan cara tradisional yang kurang efisien. Penelitian ini mengembangkan sistem klasifikasi tanaman berbasis parameter tanah dan iklim dengan algoritma Naïve Bayes serta Decision Tree. Proses penelitian mengikuti enam tahap CRISP-DM. Data diambil dari Kaggle dengan variabel nitrogen, fosfor, kalium, suhu, kelembapan, pH, dan curah hujan. Evaluasi memakai Confusion Matrix dan Cross-Validation dengan akurasi, presisi, recall, dan F1-score. Hasilnya, Decision Tree akurat pada data latih (97,95%) namun turun di data uji (91,57%), sedangkan Naïve Bayes lebih stabil (95,25%–95,32%) sehingga direkomendasikan karena hasil yang konsisten dan lebih dapat diandalkan. Perbedaan ini terjadi karena kompleksitas struktur Decision Tree membuatnya lebih rentan terhadap overfitting, sedangkan Naïve Bayes yang bersifat probabilistik lebih stabil terhadap variasi data. Kata kunci: Pertanian, Klasifikasi Tanaman, Naïve Bayes, Decision Tree, CRISP-DM Abstract The agricultural sector plays an important role in Indonesia’s economy, yet crop selection still relies on traditional practices that are often inefficient. This study develops a crop classification system based on soil and climate parameters using the Naïve Bayes and Decision Tree algorithms. The research process follows the six stages of CRISP-DM. The dataset, obtained from Kaggle, includes nitrogen, phosphorus, potassium, temperature, humidity, soil pH, and rainfall. Evaluation was conducted with a Confusion Matrix and Cross-Validation using accuracy, precision, recall, and F1-score. Results indicate that Decision Tree achieved 97.95% accuracy on training data but decreased to 91.57% on testing data, while Naïve Bayes remained more stable (95.25%–95.32%), thus recommended for its consistent and more reliable performance. This difference occurs because the complexity of the Decision Tree structure makes it more prone to overfitting, while the probabilistic Naïve Bayes is more stable against data variations. Keywords: Agriculture, Crop Classification, Naïve Bayes, Decision Tree, CRISP-DM.
Klasifikasi Status Gizi Balita Menggunakan Algoritma Random Forest Sabima, Muhamad Angga Rizki; Octariadi, Barry Ceasar; Insani, Rachmat Wahid Saleh
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 8 No 1 (2026): Januari 2026
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v8i1.2415

Abstract

Nutritional problems in children under five remain a major challenge in Indonesia's health development as they can affect growth, cognitive abilities, and future productivity. The Indonesian Nutritional Status Survey (SSGI) serves as an important data source to understand the nutritional condition of children under five. This study aims to classify the nutritional status of children under five using the Random Forest algorithm with a Knowledge Discovery in Database (KDD) approach. The research stages include data cleaning, preprocessing, feature selection, modeling, and model performance evaluation. The data were obtained from Puskesmas Gang Sehat.The results indicate that Random Forest can classify the nutritional status of children under five with high accuracy for the majority class (Normal Nutrition), while performance for the minority class (Abnormal Nutrition) can still be improved. This demonstrates that the Random Forest algorithm is effective for classifying nutritional status, although optimizing data imbalance and adding supporting variables can enhance results for the minority class. This study is expected to contribute to the development of technology-based solutions for addressing nutritional issues in children under five.
Penerapan Data Mining untuk Klasifikasi Tingkat Kepuasan Pelanggan Café Menggunakan Metode Decision Tree C4.5 Atta Tha Ariq; Sucipto Sucipto; Rachmat Wahid Saleh Insani
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 1 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i1.9653

Abstract

Kepuasan pelanggan adalah faktor utama dalam meningkatkan reputasi bisnis, loyalitas pelanggan, dan efisiensi operasional. Penelitian ini bertujuan mengembangkan sistem yang memberikan informasi akurat tentang tingkat kepuasan dan ketidakpuasan pelanggan di sebuah café. Harapannya, temuan dari penelitian ini dapat memberikan dampak baik kepada café guna untuk meningkatkan kualitas pelayanan dengan mengetahui apa saja indikatot-indikator yang mempengaruhi tingkat kepuasan pelanggan café. Metode yang digunakan adalah Decision Tree C4.5, yang membangun pohon keputusan untuk klasifikasi. Proses meliputi penanganan missing value, pengecekan duplicate data, label encoding, penanganan data imbalance dengan SMOTE, pemodelan Decision Tree C4.5, pengecekan akurasi, dan visualisasi aturan keputusan. Evaluasi model dilakukan menggunakan metrik confusion matrix. Hasil evaluasi menunjukkan bahwa model klasifikasi memiliki performa sangat baik, dengan accuracy 98% pada data latih dan 93% pada data uji. Nilai recall, precision, dan F1-score masing-masing adalah 94%, 97%, dan 95%.
Perencanaan Perjalanan Wisata Kabupaten Sambas Menggunakan Algoritma Ant Colony Optimization Maulidawati Maulidawati; Alda Cendekia Siregar; Rachmat Wahid Saleh Insani
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.15806

Abstract

Sebuah perjalanan perlu dilakukan perencanaan agar waktu kunjungan dapat terkelola, salah satunya yaitu kunjungan wisata. Banyaknya wisata yang terdapat di Indonesia masing-masing memiliki daya tarik tersendiri. Salah satunya adalah wisata yang ada di Kabupaten Sambas. Minimnya informasi mengenai lokasi destinasi wisata di daerah tersebut menjadi salah satu kendala yang dialami wisatawan. Tujuan dari penelitian ini yaitu mencari rute terpendek berdasarkan nilai parameter optimal. Dalam permasalahan ini, algoritma yang digunakan yaitu Ant Colony Optimization sebagai algoritma optimasi yang dapat diterapkan pada kasus penentuan rute kunjungan wisata. Algoritma tersebut merupakan algoritma yang terinspirasi dari kelompok koloni semut dalam mencari jalur untuk mendapatkan makanan. Pengujian parameter Ant Colony Optimization yaitu alpha, beta, dan rho dengan rentang nilai yang telah ditentukan. Kemudian dibandingkan berdasarkan rata-rata fitness terkecil dari hasil 75 kali percobaan running. Hasil dari pengujian algoritma Ant Colony Optimization didapatkan nilai optimal parameter, yaitu alpha bernilai 0,02 dengan rata-rata fitness 315,56 km, beta bernilai 9,0 dengan rata-rata fitness 314,31 km, dan rho bernilai 0,5 dengan rata-rata fitness 316,01 km. Setelah didapatkan nilai parameter optimal tersebut, kemudian diujikan kembali dengan dilakukan percobaan running sebanyak 5 kali, jadi total keseluruhan running sebanyak 80 kali. Didapatkan fitness terkecil senilai 312,67 km, nilai fitness terbesar senilai 318,32 km, dan rata-rata fitness sebesar 315,28 km.   Kata kunci - optimasi, Ant Colony Optimization, rute terpendek, perencanaan perjalanan
Optimasi Rute Pengambilan Bantuan Sosial Lazismu Menggunakan Algoritma Genetika Travelling Salesman Problem Iskandar Hadiatma; Rachmat Wahid Saleh Insani; Asrul Abdullah
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16016

Abstract

Lembaga Amil Zakat, Infaq, dan Sadaqah Muhammadiyah (Lazismu) di Pontianak Tenggara menghadapi kendala operasional dalam pengambilan donasi dari kotak infaq yang tersebar di berbagai lokasi. Proses penentuan rute yang belum optimal menyebabkan inefisiensi dari segi waktu dan biaya bahan bakar. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan Algoritma Genetika untuk menyelesaikan Travelling Salesman Problem (TSP), guna menemukan rute terpendek untuk mengunjungi seluruh titik donasi. Sistem optimasi ini dibangun dalam bentuk aplikasi berbasis website menggunakan kerangka kerja Laravel untuk proses backend dan pustaka LeafletJS untuk visualisasi peta interaktif. Metode pengembangan sistem yang digunakan adalah model Waterfall, yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Pengujian sistem dilakukan dengan metode Black Box Testing dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa Algoritma Genetika berhasil mengoptimalkan rute pengambilan donasi. Pada studi kasus dengan 18 titik lokasi, rute yang dihasilkan sistem adalah 19.79 km, lebih efisien 7.57 km dibandingkan rute manual sebelumnya (27.36 km). Hasil pengujian UAT oleh staf Lazismu mencapai persentase penerimaan 94%, yang menunjukkan bahwa aplikasi yang dikembangkan sangat bermanfaat, mudah digunakan, dan sesuai dengan kebutuhan operasional.   Kata kunci – Algoritma Genetika, Lazismu, Optimasi Rute, Travelling Salesman Problem.
Mapping The Risk Levels and Distribution of Dengue Fever (Df) in The City of Pontianak Using Choropleth Maps and Point Mapping Ghaliq Candri Haki; Rachmat Wahid Saleh Insani; Barry Ceasar Octariadi
International Journal of Science and Environment (IJSE) Vol. 6 No. 2 (2026): May 2026
Publisher : CV. Inara in Colaboration with www.stie-sampit.ac.id

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51601/ijse.v6i2.493

Abstract

Dengue Hemorrhagic Fever (DHF) remains a critical public health challenge in tropical regions, with Indonesia recording approximately 143,000 cases in 2022 alone, yet most local health authorities lack spatially explicit decision-support tools. This study aimed to design and develop a web-based Geographic Information System (GIS) capable of mapping DHF vulnerability levels and case distribution in Pontianak City, West Kalimantan, in real time. A research and development approach was employed, involving field observation, structured interviews with Pontianak City Health Office officials, and secondary data collection comprising 120 confirmed DHF patient records obtained from the health office for the period 2024 to May 2025. The system integrated real-time environmental data retrieved via the OpenWeatherMap API alongside population density data from the Central Bureau of Statistics (BPS). Vulnerability levels were calculated using a scoring method applied to four parameters — air temperature, rainfall, humidity, and population density — and visualized through dual-layer spatial techniques: Choropleth Maps to represent sub-district vulnerability gradations and Point Mapping to display precise case locations based on patient geographic coordinates. System validation was conducted through Black Box Testing, which confirmed full functional compliance, and User Acceptance Testing (UAT) with health office representatives, yielding a Strongly Agree score of 88.23%. The developed system successfully classified DHF vulnerability into three categories (High, Moderate, Low) and provided interactive, real-time spatial visualization, offering the Pontianak City Health Office a data-driven instrument for targeted DHF prevention and control.
Geographical information system for garbage collection in sanggau city and shortest path using dijkstra’s algorithm Reyhan; Rachmat Wahid Saleh Insani; Barry Ceasar Octariadi
TEKNOSAINS : Jurnal Sains, Teknologi dan Informatika Vol 11 No 1 (2024): TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Publisher : LPPMPK- Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/tekno.v11i1.485

Abstract

When trying to find the closest facility, citizens frequently encounter difficulties due to the dispersion of waste collection facilities at different areas. Therefore, it is essential to offer a tool that can help the general public locate the nearest rubbish collection site. The goal of this study is to create a geographic information system for garbage collection locations and to use the Dijkstra algorithm to find the fastest route to the closest facility in the city of Sanggau. For locals to have simple access to information, this system will employ freely available resources like the Google Maps API. The system development process will make use of prototyping. According to the results, Sanggau city residents can use a geographic information system to find garbage collection locations and to speed up their search for the quickest way to the closest facility
Implementasi Algoritma Naïve Bayes Untuk Klasifikasi Mahasiswa Berpotensi Drop Out Anugrah Esa Putra; Barry Caesar Octariadi; Rachmat Wahid Saleh Insani
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i3.10276

Abstract

Tingginya tingkat mahasiswa yang mengalami drop out dalam program studi sering menjadi tantangan bagi institusi pendidikan tinggi, tidak menutup kemungkinan akan terjadi pada Program Studi Ilmu Komputer di Universitas Muhammadiyah Pontianak. Untuk mengatasi masalah ini, diperlukan sebuah sistem yang dapat membantu memprediksi potensi mahasiswa yang berisiko drop out, sehingga dapat dilakukan intervensi yang tepat waktu. Penelitian ini mengembangkan sebuah aplikasi berbasis data mining yang menggunakan algoritma Naïve Bayes untuk memprediksi resiko drop out mahasiswa. Metode penelitian meliputi definisi masalah, pengumpulan data, permodelan, evaluasi, penyebaran model, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes berhasil diimplementasikan dengan tingkat akurasi 91%, presisi 85%, dan recall 96%. Meskipun terdapat beberapa kekurangan dalam akurasi, aplikasi yang telah dibangun diharapkan dapat mengatasi masalah mahasiswa berpotensi drop out.
IMPLEMENTASI PENCARIAN DOKUMEN ADMINISTRASI DI KANTOR CAMAT MENGGUNAKAN METODE BM25 Yanti Puspita Sari; Syarifah Putri Agustini Alkadri; Rachmat Wahid Saleh Insani
NUSANTARA : Jurnal Ilmu Pengetahuan Sosial Vol 13, No 7 (2026): NUSANTARA : Jurnal Ilmu Pengetahuan Sosial
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jips.v13i7.2026.1990-1998

Abstract

Penelitian ini mengembangkan sistem pencarian dokumen administrasi berbasis web pada Kantor Camat Sekadau untuk meningkatkan efisiensi proses temu kembali dokumen. Permasalahan yang dihadapi adalah pengelolaan arsip yang masih didominasi dokumen fisik serta dokumen digital yang tersebar tanpa sistem pengindeksan yang memadai sehingga pencarian menjadi lambat dan kurang efektif. Tujuan penelitian ini adalah membangun sistem pencarian dokumen yang mampu memberikan hasil pencarian secara cepat dan relevan. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan MongoDB sebagai basis data serta dilengkapi modul ekstraksi teks menggunakan Tesseract-OCR. Tahapan pengolahan teks meliputi case folding, tokenisasi, penghapusan stopword, dan stemming. Metode pencarian menggunakan algoritma BM25 dengan parameter k1 = 1,5 dan b = 0,75 untuk menghitung tingkat relevansi dokumen terhadap query pengguna. Hasil pengujian menunjukkan sistem menghasilkan skor relevansi tertinggi sebesar 3,3084 pada query spesifik, dengan nilai precision 100,00%, recall 3,23%, dan F1-score 6,10%. Hasil User Acceptance Testing (UAT) memperoleh tingkat penerimaan sebesar 88,8% dengan kategori “Sangat Layak”, sehingga sistem dinilai layak diterapkan untuk meningkatkan efisiensi pengelolaan dokumen.
Co-Authors Alamsyah, Dedi Alda Cendekia Siregar Angga Prima Syahputra Anggreini, Sella Anisa Anisa Anugrah Esa Putra Arfiyan, Fandika Roinaldi Asrul Abdullah Atta Tha Ariq Barry Caesar Octariadi Barry Ceasar Octariadi Barry Ceasar Octariadi Barry Ceasar Octariady Chatarina Umbul Wahyuni Dayang Nisa Anjani Dedy Trianto Eko Julianto Enkan Feny Nopitasari Ghaliq Candri Haki Gusti, Gusti Muhamad Adzaky Hizrah Azhari Iskandar Hadiatma Liovan Aji Airlangga Masroni Maulidawati Maulidawati MHD. Reza M.I. Pulungan Muhamad Angga Rizki Sabima Muhamad Reynaldi Rendi Muhammad Agus Muljanto Muhammad Hendri Nasim, Muhammad Nisa Wulandari PRAYOGI, ADITYA PUTU SUGIARTAWAN Rabbil Budiman Reyhan Roni, Roni Rustina, I Dewa Ketut Rai Sabima, Muhamad Angga Rizki Sucipto Sucipto Sumirah Sumirah Sumirah Sumirah Syarifah Putri Agustini Alkadri Syarifah Putri Agustini, Syarifah Putri Vika Ummu Hani Virgilius Dalta Suprias Nandigna Wahyu Fajar Wicaksono Wahyu Nugroho Ya' Ilham Eka Saputra Yanti Puspita Sari Yulrio Brianorman Zuhrie Alifiansyah