Article Per Year (5 Year)
p-Index From 2020 - 2025
0.92
P-Index
This Author published in this journals
All Journal JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal J-COSCIS : Journal of Computer Science Community Service
Nasution, Feldiansyah
Unknown Affiliation
Computer Science & IT Education Engineering Library & Information Science Social Sciences

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

Found 5 Documents
Search

 1 
HEART DISEASE RISK PREDICTION: EVALUATING MACHINE LEARNING ALGORITHMS WITH FEATURE REDUCTION USING LDA Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 1 (2024): Desember 2024
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3498

Abstract

Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.             Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM  Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan. Kata kunci: linear discriminant analysis (LDA);  machine learning; penyakit jantung; reduksi fitur; SVM.
Pelatihan Pengembangan Game Dengan Unreal Engine Sebagai Solusi Peningkatan Keterampilan Teknologi di SMK N 8 Pekanbaru Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief; Fajar, Muhammad Al
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol 8, No 1 (2025): Januari 2025
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v8i1.3519

Abstract

SMK N 8 Pekanbaru faces challenges in preparing students to enter the rapidly growing game industry. Students require specialized skills in game development, such as programming, graphic design, and animation, which are not adequately covered in the school’s current training programs. To address this issue, the community service team proposed game development training using Unreal Engine, a beginner-friendly game engine with exceptional visual capabilities. The training was conducted in several stages, including material preparation, hands-on practice, and evaluation. The material was tailored to align with the student's comprehension levels, while the hands-on sessions allowed participants to directly practice game creation with intensive guidance from the team. Evaluation was conducted using pre-tests and post-tests to measure the participants' improvement. Additionally, the training aimed to help students explore career opportunities in the game industry and enhance their technical skills to meet industry demands. With the support of a developer community and the ease of use of Unreal Engine, students can continue to learn and refine their skills in the future. This program is expected to have a positive impact by equipping students with relevant job-market skills and enabling them to create new opportunities in the game industry.Keywords: game development; technical skills; training; unreal engine; vocational school students Abstrak: SMK N 8 Pekanbaru menghadapi tantangan dalam mempersiapkan siswa untuk memasuki industri game yang berkembang pesat. Siswa membutuhkan keterampilan khusus dalam pengembangan game, seperti pemrograman, desain grafis, dan animasi, yang belum tercakup secara memadai dalam pelatihan sekolah. Untuk mengatasi masalah ini, tim pengabdian masyarakat mengusulkan pelatihan pembuatan game menggunakan Unreal Engine, sebuah game engine yang ramah pemula namun memiliki kemampuan visual yang luar biasa. Pelatihan ini dilakukan melalui beberapa tahapan, yaitu penyusunan materi, praktik langsung, dan evaluasi. Penyusunan materi dirancang untuk memastikan kelayakan dan kesesuaian dengan tingkat pemahaman siswa. Sesi praktik menggunakan pendekatan hands-on yang memungkinkan siswa langsung mempraktikkan pembuatan game dengan bimbingan intensif dari tim. Evaluasi dilakukan melalui pre-test dan post-test untuk mengukur peningkatan pemahaman peserta. Selain itu, pelatihan ini bertujuan untuk membantu siswa membuka peluang karier di industri game dan meningkatkan keterampilan teknis mereka sesuai kebutuhan industri. Dengan dukungan komunitas pengembang dan kemudahan penggunaan Unreal Engine, siswa dapat terus belajar dan mengembangkan keterampilan mereka di masa depan. Program ini diharapkan dapat memberikan dampak positif dalam membekali siswa dengan keterampilan yang relevan untuk dunia kerja dan membantu mereka menciptakan peluang baru dalam industri game.Kata kunci: keterampilan teknis; pelatihan;  pengembangan game; siswa SMK; unreal engine
PENINGKATAN KETERAMPILAN REKAYASA PERANGKAT LUNAK : PELATIHAN DESAIN TEMPLATE BOOTSTRAP DI SMK NEGERI 8 KOTA PEKANBARU Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief; Alfajar, Muhammad
J-COSCIS : Journal of Computer Science Community Service Vol. 4 No. 2 (2024): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/jcoscis.v4i2.18995

Abstract

Program pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan rekayasa perangkat lunak siswa di SMK Negeri 8 Kota Pekanbaru melalui pelatihan desain template menggunakan Bootstrap. Dalam konteks visi SMK Negeri 8, yang menargetkan menghasilkan lulusan teknologi informasi yang terampil dan dapat bersaing secara global, pelatihan ini diinisiasi sebagai solusi terhadap tantangan utama, yaitu kurangnya keterampilan desain web yang relevan dan akses terbatas terhadap materi terkini.Melalui dana dari Fakultas Ilmu Komputer UNILAK melalui skema APBF Semester Gasal 2023/24, program ini dapat diwujudkan. Pelatihan intensif mencakup pemahaman konsep desain web responsif, penggunaan Bootstrap, dan praktik terbaik industri. Evaluasi formatif dan sumatif dilakukan untuk mengukur pemahaman peserta, dan hasilnya menunjukkan peningkatan signifikan, dengan 85% peserta dapat memahami dan mengimplementasikan pembuatan template Bootstrap. Kemitraan yang solid dengan SMK Negeri 8 Pekanbaru menjadi kunci kesuksesan program ini. Ucapan terima kasih kami sampaikan kepada Fakultas Ilmu Komputer UNILAK atas dukungan finansialnya dan kepada SMK N 8 Pekanbaru atas kerjasama yang erat. Hasil positif ini memberikan kontribusi pada pencapaian visi sekolah dan membuka peluang bagi siswa untuk bersaing dalam dunia teknologi informasi yang terus berkembang. Program ini juga menunjukkan model kolaboratif yang dapat diadopsi oleh lembaga pendidikan untuk meningkatkan kualitas pendidikan dan mempersiapkan generasi muda menghadapi tuntutan industri.
HEART DISEASE RISK PREDICTION: EVALUATING MACHINE LEARNING ALGORITHMS WITH FEATURE REDUCTION USING LDA Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3498

Abstract

Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.             Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM  Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan. Kata kunci: linear discriminant analysis (LDA);  machine learning; penyakit jantung; reduksi fitur; SVM.
Pelatihan Pengembangan Game Dengan Unreal Engine Sebagai Solusi Peningkatan Keterampilan Teknologi di SMK N 8 Pekanbaru Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief; Fajar, Muhammad Al
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol. 8 No. 1 (2025): Januari 2025
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v8i1.3519

Abstract

SMK N 8 Pekanbaru faces challenges in preparing students to enter the rapidly growing game industry. Students require specialized skills in game development, such as programming, graphic design, and animation, which are not adequately covered in the school’s current training programs. To address this issue, the community service team proposed game development training using Unreal Engine, a beginner-friendly game engine with exceptional visual capabilities. The training was conducted in several stages, including material preparation, hands-on practice, and evaluation. The material was tailored to align with the student's comprehension levels, while the hands-on sessions allowed participants to directly practice game creation with intensive guidance from the team. Evaluation was conducted using pre-tests and post-tests to measure the participants' improvement. Additionally, the training aimed to help students explore career opportunities in the game industry and enhance their technical skills to meet industry demands. With the support of a developer community and the ease of use of Unreal Engine, students can continue to learn and refine their skills in the future. This program is expected to have a positive impact by equipping students with relevant job-market skills and enabling them to create new opportunities in the game industry.Keywords: game development; technical skills; training; unreal engine; vocational school students Abstrak: SMK N 8 Pekanbaru menghadapi tantangan dalam mempersiapkan siswa untuk memasuki industri game yang berkembang pesat. Siswa membutuhkan keterampilan khusus dalam pengembangan game, seperti pemrograman, desain grafis, dan animasi, yang belum tercakup secara memadai dalam pelatihan sekolah. Untuk mengatasi masalah ini, tim pengabdian masyarakat mengusulkan pelatihan pembuatan game menggunakan Unreal Engine, sebuah game engine yang ramah pemula namun memiliki kemampuan visual yang luar biasa. Pelatihan ini dilakukan melalui beberapa tahapan, yaitu penyusunan materi, praktik langsung, dan evaluasi. Penyusunan materi dirancang untuk memastikan kelayakan dan kesesuaian dengan tingkat pemahaman siswa. Sesi praktik menggunakan pendekatan hands-on yang memungkinkan siswa langsung mempraktikkan pembuatan game dengan bimbingan intensif dari tim. Evaluasi dilakukan melalui pre-test dan post-test untuk mengukur peningkatan pemahaman peserta. Selain itu, pelatihan ini bertujuan untuk membantu siswa membuka peluang karier di industri game dan meningkatkan keterampilan teknis mereka sesuai kebutuhan industri. Dengan dukungan komunitas pengembang dan kemudahan penggunaan Unreal Engine, siswa dapat terus belajar dan mengembangkan keterampilan mereka di masa depan. Program ini diharapkan dapat memberikan dampak positif dalam membekali siswa dengan keterampilan yang relevan untuk dunia kerja dan membantu mereka menciptakan peluang baru dalam industri game.Kata kunci: keterampilan teknis; pelatihan;  pengembangan game; siswa SMK; unreal engine
Co-Authors Alfajar, Muhammad Fajar, Muhammad Al Mhd. Arief Hasan, Mhd. Arief Nurliana Nasution, Nurliana