Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal DEDIKASI PKM UPGRADE: Jurnal Pendidikan Teknologi Informasi Diophantine Journal of Mathematics and Its Applications
Putrawan, Zulhandi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Social Sciences Other

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

Found 5 Documents
Search

 1 
Algoritma Synthetic Minority Oversampling Technique dan C5.0 dalam Mengatasi Ketidakseimbangan Data pada Klasifikasi Kelulusan Siswa Aprihartha, Moch Anjas; Putrawan, Zulhandi; Zulhan, Dicky; Nurfaizal, Fatma Ahardika
Upgrade : Jurnal Pendidikan Teknologi Informasi Vol 2 No 1 (2024): Vol. 2 No. 1 Agustus 2024
Publisher : Pendidikan Teknologi Informasi Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/upgrade.v2i1.4148

Abstract

Algoritma supervised learning digunakan untuk memprediksi dan mengklasifikasikan atribut tertentu, namun masalah utama adalah distribusi data yang tidak merata antar kelas yang dapat menyebabkan overfitting. Untuk mengatasi ini, diperlukan augmentasi kelas minoritas menggunakan teknik Synthetic Minority Oversampling Technique (SMOTE). Tujuan penelitian ini memberikan solusi praktis untuk mengatasi ketidakseimbangan data dengan SMOTE pada kasus siswa yang tidak lulus semua mata pelajaran, guna mengurangi risiko overfitting. Metode penelitian ini adalah penelitian eksperimental dengan pendekatan kuantitatif menggunakan data sekunder dari kelulusan mata pelajaran siswa. Teknik analisis data hasil SMOTE diuji dengan algoritma C5.0, dan variasi state 1 hingga 100 digunakan untuk memastikan pemilihan data training dan testing secara acak di setiap iterasi. Hasil penelitian menunjukkan bahwa uji data asli dengan algoritma C5.0 menghasilkan plot akurasi, recall, dan spesifisitas yang tidak konsisten, sedangkan uji data yang diolah dengan SMOTE menunjukkan plot yang stabil mendekati 100%. Artinya, data SMOTE memberikan performa yang lebih baik pada algoritma C5.0 dibandingkan data asli. Efektivitas teknik SMOTE dan algoritma C5.0 dapat berkontribusi bagi peneliti yang menghadapi masalah serupa. Implikasi hasil penelitian ini juga dapat dijadikan acuan dalam membuat aplikasi untuk mendeteksi kelulusan siswa guna mempermudah guru dalam mengambil keputusan.
Klasifikasi Produktivitas Buah Nanas Menggunakan Algoritma Classification and Regression Tree (CART) Aprihartha, Moch. Anjas; Putrawan, Zulhandi; Zulhan , Dicky; Ahardika Nurfaizal, Fatma
Diophantine Journal of Mathematics and Its Applications Vol. 3 No. 1 (2024)
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/diophantine.v3i1.34193

Abstract

Indonesia is one of the countries that has a variety of fruits cultivated. One of them is the pineapple fruit. Various pineapple-based products such as pineapple juice, canned foods, pineapple jam, etc. The high demand for pineapples presents an opportunity for companies to increase pineapple product processing. The increase in pineapple productivity is influenced by several factors, one of which is the extent of land and the type of pineapple produced. To improve pineapple productivity, it can be done by classifying the types of pineapples based on productive and non-productive categories. The purpose of this classification is to enable farmers or plantation managers to allocate resources more efficiently by providing more intensive care for productive category pineapples. The classification method that can be used to classify productive and non-productive pineapples is the Classification and Regression Tree (CART) algorithm. The CART method is a method that produces decision tree models that are used to solve classification and regression problems. This research uses the CART method to classify pineapple productivity. The research results obtained accuracies, sensitivities, specificities, and precisions of 97.06%; 92.31%; 100%; 100% respectively. Meanwhile, the AUC obtained is 0.962 which indicates that the model is very good at predicting pineapple productivity correctly.
Algoritma Synthetic Minority Oversampling Technique dan C5.0 dalam Mengatasi Ketidakseimbangan Data pada Klasifikasi Kelulusan Siswa Aprihartha, Moch Anjas; Putrawan, Zulhandi; Zulhan, Dicky; Nurfaizal, Fatma Ahardika
Upgrade : Jurnal Pendidikan Teknologi Informasi Vol 2 No 1 (2024): Vol. 2 No. 1 Agustus 2024
Publisher : Pendidikan Teknologi Informasi Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/upgrade.v2i1.4148

Abstract

Algoritma supervised learning digunakan untuk memprediksi dan mengklasifikasikan atribut tertentu, namun masalah utama adalah distribusi data yang tidak merata antar kelas yang dapat menyebabkan overfitting. Untuk mengatasi ini, diperlukan augmentasi kelas minoritas menggunakan teknik Synthetic Minority Oversampling Technique (SMOTE). Tujuan penelitian ini memberikan solusi praktis untuk mengatasi ketidakseimbangan data dengan SMOTE pada kasus siswa yang tidak lulus semua mata pelajaran, guna mengurangi risiko overfitting. Metode penelitian ini adalah penelitian eksperimental dengan pendekatan kuantitatif menggunakan data sekunder dari kelulusan mata pelajaran siswa. Teknik analisis data hasil SMOTE diuji dengan algoritma C5.0, dan variasi state 1 hingga 100 digunakan untuk memastikan pemilihan data training dan testing secara acak di setiap iterasi. Hasil penelitian menunjukkan bahwa uji data asli dengan algoritma C5.0 menghasilkan plot akurasi, recall, dan spesifisitas yang tidak konsisten, sedangkan uji data yang diolah dengan SMOTE menunjukkan plot yang stabil mendekati 100%. Artinya, data SMOTE memberikan performa yang lebih baik pada algoritma C5.0 dibandingkan data asli. Efektivitas teknik SMOTE dan algoritma C5.0 dapat berkontribusi bagi peneliti yang menghadapi masalah serupa. Implikasi hasil penelitian ini juga dapat dijadikan acuan dalam membuat aplikasi untuk mendeteksi kelulusan siswa guna mempermudah guru dalam mengambil keputusan.
Peningkatan Brand UMKM Melalui Pendekatan Konten Animasi Prabowo, Wahyu Aji Eko; Zulfiningrum, Rahmawati; Siregar, Nadia Itona; Nugraini, Siti Hadiati; Ayasy, Ahmad Yahya; Adriansyah, Vicky Puja; Putrawan, Zulhandi
DEDIKASI PKM Vol. 5 No. 3 (2024): DEDIKASI PKM UNPAM
Publisher : Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/dkp.v5i3.40174

Abstract

Potensi wisata terhadap UMKM akan meningkatkan pendapatan wilayah. Salah satu pengembangan daerah wisata yang berpotensi besar dalam meningkatkan perekonomian negara adalah destinasi wisata Karimunjawa. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan brand UMKM melalui pendekatan konten animasi sebagai ikon UMKM di Karimunjawa, bekerjasama dengan BUMDES Sejahtera Bahari. Kegiatan ini mengusung pentingnya ikon bagi UMKM lokal dalam mempromosikan identitas produk mereka. Program ini dirancang untuk memanfaatkan elemen budaya unik yang ada di Karimunjawa, meningkatkan kemampuan lokal dalam pembuatan konten animasi, dan memperkuat pemasaran UMKM. Metode yang digunakan adalah Asset Based Community Development (ABCD) untuk membantu masyarakat dalam melihat potensi yang dimiliki dan mengarahkan untuk peningkatan. Pelatihan dilaksanalan dalam bentuk workshop yang bertujuan untuk merancang pembuatan video animasi sebagai implementasi alat pemasaran yang efektif. Manfaat utama kegiatan ini adalah peningkatan pengetahuan dan keterampilan lokal dalam mengeksplorasi potensi daerah, dengan harapan meningkatkan keterlibatan dan daya ingat konsumen terhadap produk lokal. Melalui video animasi diharapkan dapat membantu promosi produk UMKM Karimunjawa, peningkatan ekonomi bagi masyarakat lokal dan menambah daya tarik wisatawan.
Algoritma Klasifikasi Naive Bayes dalam Identifikasi Pasien Demam Berdarah Dangue (DBD) Aprihartha, Moch Anjas; Aprihartha, Moch. Anjas; Putrawan, Zulhandi; Zulhan, Dicky
Upgrade : Jurnal Pendidikan Teknologi Informasi Vol 3 No 1 (2025)
Publisher : Pendidikan Teknologi Informasi Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/upgrade.v3i1.5457

Abstract

Dengue fever (DF) is an illness caused by the Dengue virus, transmitted to humans through the bite of female Aedes aegypti mosquitoes, and the rise in DF cases often leads to a surge in hospital visits that can result in shortages of beds and medical personnel. In severe conditions, patients require treatment from health professionals experienced in managing this disease, and with advancements in scientific methods, classification techniques have become essential in identifying the severity level of DF patients to determine immediate and necessary treatment. This study aims to classify DF patients who require inpatient care by applying the Naive Bayes method to 230 observation records obtained from medical data of DF patients at Anwar Makkatutu Hospital in Bantaeng Regency during the 2019–2020 period, with model performance evaluated using a confusion matrix. The findings show that the Naive Bayes algorithm demonstrates fairly good performance in identifying patients who need hospitalization and those who do not, indicated by its AUC, accuracy, sensitivity, and specificity values of 0.702, 70.11%, 59.09%, and 81.40%, respectively. These results support more efficient allocation of limited healthcare resources and offer practical implications for clustering DF patients who require medical attention, enabling health authorities to improve planning, prepare adequate medical facilities, and optimize treatment readiness, while also contributing valuable insights to the scientific literature on related topics.
Co-Authors Adriansyah, Vicky Puja Ahardika Nurfaizal, Fatma Ayasy, Ahmad Yahya Moch Anjas Aprihartha Nadia Itona Siregar, Nadia Itona Nugraini, Siti Hadiati Nurfaizal, Fatma Ahardika Prabowo, Wahyu Aji Eko Zulfiningrum, Rahmawati Zulhan , Dicky Zulhan, Dicky