Article Per Year (5 Year)
p-Index From 2021 - 2026
1.197
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Teknisi Bulletin of Information Technology (BIT) Journal Of Indonesian Social Society
Irianto Irianto
Universitas Royal
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pengembangan Model Pendampingan Berbasis Project Based Learning Untuk Meningkatkan Kualitas Pembelajaran Bahasa Inggris Di SDN 15 Padang Genting Cecep Maulana; Irianto Irianto; Zulkarnain Sirait
Journal Of Indonesian Social Society (JISS) Vol. 4 No. 2 (2026): JISS - Juni
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jiss.v4i2.688

Abstract

Abstrak Project-Based Learning (PBL) merupakan pendekatan inovatif yang mampu meningkatkan kualitas pembelajaran Bahasa Inggris di sekolah dasar melalui aktivitas kolaboratif dan berbasis proyek. Namun, guru di SDN 15 Padang Genting masih mengalami kendala dalam menyusun modul ajar, Rencana Pelaksanaan Pembelajaran (RPP), serta mengimplementasikan pembelajaran berbasis proyek secara efektif. Kegiatan pengabdian kepada masyarakat ini bertujuan mengembangkan model pendampingan berbasis Project-Based Learning untuk meningkatkan kompetensi guru dalam pembelajaran Bahasa Inggris. Metode pelaksanaan meliputi analisis kebutuhan, pelatihan, pendampingan implementasi di kelas, praktik penyusunan perangkat pembelajaran, dan evaluasi reflektif. Hasil kegiatan menunjukkan bahwa model pendampingan yang diterapkan mampu meningkatkan kemampuan guru dalam menyusun modul ajar dan RPP berbasis proyek dengan capaian sebesar 89,3% pada kategori sangat baik. Selain itu, guru menjadi lebih aktif, kreatif, dan mampu melibatkan siswa dalam pembelajaran yang komunikatif dan kolaboratif. Dengan demikian, model pendampingan berbasis Project-Based Learning efektif dalam meningkatkan kualitas pembelajaran Bahasa Inggris di SDN 15 Padang Genting.   Project-Based Learning (PBL) is an innovative approach that can improve the quality of English language learning in elementary schools through collaborative and project-oriented activities. However, teachers at SDN 15 Padang Genting still face difficulties in developing teaching modules, lesson plans, and implementing project-based learning effectively. This community service activity aimed to develop a mentoring model based on Project-Based Learning to improve teachers’ competence in English language teaching. The methods used included needs analysis, teacher training, classroom mentoring, practical implementation of learning tools, and reflective evaluation. The stages of the activity consisted of identifying teachers’ needs, designing the mentoring model, conducting training sessions, assisting classroom implementation, and evaluating the outcomes. The results showed that the mentoring model improved teachers’ ability to develop project-based teaching modules and lesson plans, achieving a score of 89.3% in the very good category. In addition, teachers became more active and creative in engaging students in collaborative and communicative learning activities. Therefore, the Project-Based Learning mentoring model was effective in improving the quality of English language learning at SDN 15 Padang Genting.
Perbandingan Metode ARAS dan TOPSIS untuk Menentukan Siswa Penerima Beasiswa Berprestasi Jeperson Hutahaean; Neni Mulyani; Masitah Handayani; Irianto Irianto; Novica Irawati
Bulletin of Information Technology (BIT) Vol 6 No 4 (2025): Desember 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v7i1.2333

Abstract

Proses penentuan siswa yang layak menerima beasiswa berprestasi seringkali hanya berdasarkan seleksi berkas, yang memakan waktu lama dan dapat menghasilkan keputusan yang kurang akurat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan yang mempercepat proses seleksi siswa penerima beasiswa berprestasi. Metode yang digunakan dalam penelitian ini adalah ARAS (Additive Ratio Assessment) dan TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution). Kedua metode ini dipilih karena mampu menyeleksi alternatif terbaik berdasarkan pembobotan dan memilih tujuan berdasarkan kriteria yang berbeda, yaitu benefit dan cost. Metode ARAS menghasilkan ranking berdasarkan perbandingan fungsi utilitas alternatif dengan nilai fungsi utilitas optimal, sementara metode TOPSIS menghasilkan ranking berdasarkan jarak terpendek dengan solusi ideal positif dan jarak terpanjang dengan solusi ideal negatif. Dari nilai-nilai tersebut, alternatif yang memenuhi kriteria ditetapkan sebagai siswa penerima beasiswa berprestasi melalui perhitungan menggunakan metode ARAS dan TOPSIS. Hasil uji korelasi Rank M Arsya Almusa menunjukkan nilai 1,0546 untuk ARAS dan 0,8739 untuk TOPSIS. Hasil perhitungan secara manual dan melalui sistem memberikan hasil yang sama, sehingga sistem dapat digunakan untuk menentukan siswa penerima beasiswa berprestasi.
Classification of Obesity Using The Naïve Bayes Method and K-Nearest Neighbor Ilham Asy Ari; Muhammad Amin; Andi Saputra; Irianto Irianto; Nuriadi Manurung
JURNAL TEKNISI Vol. 6 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5529

Abstract

Abstract: Obesity is a major health problem that significantly impacts quality of life and can trigger various chronic diseases. Early detection of obesity levels is crucial for public health management, but traditional methods such as BMI often have limitations. Solution: This study proposes a data mining-based approach using feature engineering techniques to improve the accuracy of obesity classification. The purpose of this study is to classify obesity levels and compare the performance of Naïve Bayes and K-Nearest Neighbor (KNN) methods. This research method includes preprocessing stages, feature extraction using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA), feature selection using CFS and Chi-Square, classification with Naïve Bayes and KNN, and model evaluation using accuracy and confusion matrix on 2,111 data sets from Kaggle. The results of this study show that on the original data without LDA, KNN achieves a higher accuracy (88.41%) than Naïve Bayes (63.82%). However, after using LDA, the accuracy of Naïve Bayes increased sharply to 93.61%, surpassing KNN's 92.19%. The study concluded that KNN was more effective on raw data, while Naïve Bayes was more optimal when combined with LDA-based dimensionality reduction. Keyword:  classification_ naïve_bayes; data mining; k-nearest neighbor; obesity; LDA; PCA.  Abstract: Obesitas merupakan salah satu masalah kesehatan utama yang berdampak signifikan pada kualitas hidup dan dapat memicu berbagai penyakit kronis. Deteksi dini tingkat obesitas sangat krusial untuk manajemen kesehatan masyarakat, namun metode tradisional seperti BMI seringkali memiliki keterbatasan. Solusi: Penelitian ini mengusulkan pendekatan berbasis penambangan data (data mining) menggunakan teknik rekayasa fitur untuk meningkatkan akurasi klasifikasi tingkat obesitas. Tujuan penelitian ini adalah untuk mengklasifikasikan tingkat obesitas dan membandingkan kinerja metode Naïve Bayes dan K-Nearest Neighbor (KNN). Metode penelitian ini mencakup tahap prapemrosesan, ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA), seleksi fitur menggunakan CFS dan Chi-Square, klasifikasi dengan Naïve Bayes dan KNN, serta evaluasi model menggunakan accuracy dan confusion matrix pada 2.111 data dari Kaggle. Hasil penelitian ini menunjukkan bahwa pada data asli tanpa LDA, KNN mencapai akurasi lebih tinggi (88,41%) dibandingkan Naïve Bayes (63,82%). Namun, setelah penggunaan LDA, akurasi Naïve Bayes meningkat tajam menjadi 93,61%, melampaui KNN yang mencapai 92,19%. Kesimpulan dari penelitian ini adalah KNN lebih efektif pada data mentah, sedangkan Naïve Bayes menjadi lebih optimal ketika dikombinasikan dengan reduksi dimensi berbasis LDA. Keywords: klasifikasi naïve bayes; k-nearest neighbor; obesitas; PCA; penambangan data; LDA
Pendampingan Guru Project - Based Learning Bahasa Inggris SDN 15 Padang Genting Cecep Maulana; Irianto Irianto; Zulkarnain Sirait
Journal Of Indonesian Social Society (JISS) Vol. 4 No. 1 (2026): JISS - Februari
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jiss.v4i1.630

Abstract

Pembelajaran Bahasa Inggris di SDN 15 Padang Genting masih menghadapi permasalahan utama berupa rendahnya pemahaman guru terhadap penerapan Project-Based Learning (PjBL), keterbatasan variasi metode pembelajaran, serta minimnya penggunaan aktivitas kontekstual yang melibatkan siswa secara aktif. Kondisi tersebut berdampak pada rendahnya motivasi dan keterampilan berbahasa Inggris siswa. Program Kemitraan Masyarakat (PKM) ini bertujuan untuk melakukan pendampingan guru dalam merancang dan mengimplementasikan model Project-Based Learning pada pembelajaran Bahasa Inggris tingkat sekolah dasar. Solusi yang dilakukan meliputi pelatihan penyusunan modul PjBL, pendampingan penyusunan perangkat ajar, praktik pembelajaran berbasis proyek, serta evaluasi berkelanjutan. Hasil sementara PKM menunjukkan peningkatan pemahaman guru terhadap konsep PjBL sebesar 85%, peningkatan kemampuan penyusunan perangkat pembelajaran sebesar 80%, serta peningkatan keaktifan siswa dalam pembelajaran mencapai 78%. Program ini diharapkan mampu meningkatkan kualitas pembelajaran Bahasa Inggris secara berkelanjutan di SDN 15 Padang Genting.
Pengenalan Hak Kekayaan Intelektual (HAKI) Terhadap Produk Digital Bagi Pelajar LKP Mutiara Informatika Sudarmin Sudarmin; Nuriadi Manurung; Irianto Irianto; Muhammad Amin
Journal Of Indonesian Social Society (JISS) Vol. 4 No. 1 (2026): JISS - Februari
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jiss.v4i1.632

Abstract

Perkembangan teknologi digital mendorong pelajar untuk aktif menghasilkan berbagai produk digital seperti desain grafis, aplikasi sederhana, dan konten multimedia. Namun, pelajar di LKP Mutiara Informatika masih memiliki keterbatasan pemahaman mengenai Hak Kekayaan Intelektual (HAKI), khususnya terkait perlindungan hukum terhadap produk digital yang mereka hasilkan. Kurangnya pengetahuan ini berpotensi menimbulkan pelanggaran hak cipta serta hilangnya nilai ekonomi dari karya digital. Kegiatan Pengabdian Kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan pemahaman dan kesadaran pelajar tentang konsep dasar HAKI, jenis-jenis HAKI, serta prosedur perlindungan produk digital. Metode yang digunakan meliputi penyuluhan, diskusi interaktif, dan studi kasus sederhana. Hasil sementara menunjukkan adanya peningkatan pemahaman peserta, di mana sekitar 80% pelajar mampu menjelaskan pengertian HAKI dan 75% pelajar memahami pentingnya perlindungan produk digital setelah kegiatan PKM dilaksanakan. Kegiatan ini diharapkan dapat mendorong pelajar untuk lebih menghargai dan melindungi karya digital mereka secara hukum.
PENERAPAN MFEP DALAM MEREKOMENDASIKAN PENERIMA PINJAMAN MODAL USAHA KECIL MENENGAH DI BUMDES TANJUNG ASRI Irianto Irianto; Muhammad Amin; Cecep Maulana
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3085

Abstract

Abstract: Determining loan recipients for Small and Medium Enterprises (SMEs) at BUMDes Tanjung Asri requires an objective method to ensure that assistance is provided to truly eligible parties. This study applies the Multi-Factor Evaluation Process (MFEP) method to provide more structured recommendations based on relevant criteria. The evaluation process includes factors such as business feasibility, loan repayment ability, business experience, and other financial aspects. Data were collected through interviews and document studies, then analyzed using the MFEP method to rank loan applicants. The results indicate that the implementation of MFEP enhances transparency and accuracy in decision-making compared to conventional methods. With an MFEP-based system, BUMDes Tanjung Asri can allocate funds more effectively, ensuring targeted financial support and promoting sustainable local economic growth. Keywords: MFEP, Recommendation, Business Loan, UKM, BUMDes Abstrak: Penentuan penerima pinjaman modal bagi Usaha Kecil Menengah (UKM) di BUMDes Tanjung Asri memerlukan metode yang objektif agar bantuan dapat diberikan kepada pihak yang benar-benar layak. Penelitian ini menerapkan metode Multi-Factor Evaluation Process (MFEP) untuk memberikan rekomendasi yang lebih terstruktur dan berbasis kriteria yang relevan. Faktor-faktor yang digunakan dalam proses evaluasi meliputi kelayakan usaha, kemampuan pengembalian pinjaman, pengalaman usaha, serta aspek finansial lainnya. Data dikumpulkan melalui wawancara dan studi dokumentasi, kemudian dianalisis menggunakan metode MFEP untuk menghasilkan peringkat calon penerima pinjaman. Hasil penelitian menunjukkan bahwa penerapan MFEP dapat meningkatkan transparansi dan akurasi dalam pengambilan keputusan dibandingkan metode konvensional. Dengan adanya sistem berbasis MFEP, BUMDes Tanjung Asri dapat mengalokasikan dana secara lebih tepat sasaran, sehingga mendukung pertumbuhan ekonomi lokal secara berkelanjutan. Kata kunci: MFEP, Rekomendasi, Pinjaman Modal, UKM, BUMDes
PENERAPAN TEKNOLOGI DEEP LEARNING DENGAN YOLOV4 DAN ALGORITMA SEGMENTASI SEMANTIK UNTUK MENDETEKSI JALAN BERLUBANG DALAM PENINGKATAN INFRASTRUKTUR TRANSPORTASI Muhammad Amin; Irianto Irianto; Feby Ariska
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4070

Abstract

Abstract: Potholes are a serious problem in transportation infrastructure that directly impacts driver safety and travel efficiency. This study proposes a deep learning-based method by integrating the YOLOv4 algorithm for rapid object detection and using semantic segmentation to produce more precise pixel image analysis of various forms of potholes. The YOLOv4 method (You Only Look Once version 4) is used as the main algorithm in the object detection process because of its ability to identify objects in real-time with high speed and optimal accuracy. This study lies in a hybrid approach between object detection using YOLOv4 and semantic segmentation with DeepLab, which enables the system to recognize potholes. Testing was carried out using two methods: by inputting images (PNG/JPG) and using real-time video input via webcam. The dataset used was 1,561 images with various variants of road damage, which were annotated and labeled using Roboflow. The test results of the YOLOv4 model showed a detection accuracy ranging from 90–92%, with the highest performance of 95% for large potholes at close range, and a minimum of 59% for small potholes at long distances. These results confirm the effectiveness of YOLOv4 in quickly and accurately detecting potholes across various road conditions. This research is expected to contribute to the automation of road infrastructure maintenance systems, reduce the risk of traffic accidents, and improve the comfort and safety of road users.Keywords: pothole detection; YOLOv4; deep learning; semantic segmentation; transportation infrastructureAbstrak: Kerusakan jalan berlubang menjadi permasalahan serius dalam infrastruktur transportasi yang berdampak langsung terhadap keselamatan pengendara dan efisiensi perjalanan. Penelitian ini mengusulkan metode berbasis deep learning dengan mengintegrasikan algoritma YOLOv4 untuk deteksi objek secara cepat dan menggunakan  segmentasi semantik guna menghasilkan analisis gambar piksel yang lebih presisi terhadap berbagai bentuk jalan berlubang. Metode YOLOv4 (You Only Look Once versi 4) digunakan sebagai algoritma utama dalam proses deteksi objek karena kemampuannya dalam melakukan identifikasi objek secara real-time dengan kecepatan tinggi dan akurasi yang optimal. Penelitian ini terletak pada pendekatan hibrida antara deteksi objek menggunakan YOLOv4 dan segmentasi semantik dengan DeepLab, yang memungkinkan sistem dapat mengenali jalan berlubang. Pengujian dilakukan dengan dua metode yaitu dengan cara input menggunakan citra (PNG/JPG) dan menggunakan input video real-time melalui webcam. Dataset yang digunakan berjumlah 1.561 citra dengan berbagai varian kerusakan jalan, yang dianotasi dan dilabeli menggunakan Roboflow. Hasil pengujian model YOLOv4 menunjukkan akurasi deteksi berkisar antara 90–92%, dengan performa tertinggi sebesar 95% untuk lubang besar pada jarak dekat, dan minimum 59% untuk lubang kecil pada jarak jauh. Hasil ini menegaskan efektivitas YOLOv4 dalam mendeteksi jalan berlubang secara cepat dan akurat di berbagai kondisi jalan. Penelitian ini diharapkan dapat memberikan kontribusi dalam otomatisasi sistem pemeliharaan infrastruktur jalan, mengurangi risiko kecelakaan lalu lintas, serta meningkatkan kenyamanan dan keselamatan pengguna jalan.Kata kunci: deteksi jalan berlubang; YOLOv4; deep learning; segmentasi semantik; infrastruktur transportasi
Co-Authors Andi Saputra Cecep Maulana Feby Ariska Ilham Asy Ari Jeperson Hutahaean Masitah Handayani Muhammad Amin Neni Mulyani Novica Irawati Nuriadi Manurung Sudarmin Sudarmin Zulkarnain Sirait