Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal of Intelligent Decision Support System (IDSS) Jurnal Pengabdian Masyarakat Nauli
Vernando, Deden
Unknown Affiliation
Computer Science & IT Education Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Teknologi Generative AI Untuk Pembelajaran Kreatif Di SMP & SMK NU Bogor Ahmad Firdaus, Eryan; Vernando, Deden; Ali Hanan, Rohman; Fahlepy Sinaga, Ryan
Jurnal Pengabdian Masyarakat Nauli Vol. 3 No. 2 (2025): Februari, Jurnal Pengabdian Masyarakat Nauli
Publisher : Marcha Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/nauli.v3i2.178

Abstract

Program Pengabdian Kepada Masyarakat dan Kuliah Kerja Nyata (KKN) oleh Dosen dan mahasiswa Informatika Universitas Pertahanan Republik Indonesia (UNHAN RI) tahun 2024 dilaksanakan di Desa Tanjungsari, Kecamatan Cijeruk, Kabupaten Bogor. Kegiatan ini bertujuan untuk meningkatkan keterampilan masyarakat dan siswa melalui penerapan teknologi modern, dengan fokus pada sosialisasi Generative Artificial Intelligence (AI) dan pelatihan kedisiplinan. Melalui sosialisasi Generative AI, siswa diperkenalkan dengan konsep, manfaat, dan etika penggunaan teknologi ini, khususnya dalam mendukung kreativitas dan produktivitas. Siswa dilatih untuk memanfaatkan Generative AI dalam pembuatan konten kreatif, identifikasi informasi valid, serta pemecahan masalah. Selain itu, pelatihan Peraturan Baris-Berbaris (PBB) dilakukan untuk menanamkan disiplin, kerjasama, dan kepemimpinan pada siswa. Hasil kegiatan menunjukkan peningkatan pemahaman siswa terhadap teknologi Generative AI, termasuk kemampuan praktis dan kesadaran etis dalam penggunaannya. Pelatihan PBB juga berhasil meningkatkan disiplin, kerjasama tim, dan keterampilan kepemimpinan siswa. Kendala seperti keterbatasan waktu, fasilitas teknologi, dan perbedaan minat siswa menjadi tantangan dalam pelaksanaan kegiatan ini, namun dapat diatasi dengan koordinasi yang baik antara tim PKM dan KKN serta pihak sekolah. Program ini memberikan manfaat jangka panjang bagi siswa dan masyarakat, baik dalam bentuk pengembangan keterampilan teknologi maupun pembentukan karakter yang lebih kuat. Diharapkan kegiatan serupa dapat dilaksanakan dengan persiapan yang lebih matang untuk dampak yang lebih optimal.
Heart disease prediction using machine learning models Vernando, Deden; Manurung, Jonson; Saragih, Hondor
Journal of Intelligent Decision Support System (IDSS) Vol 8 No 2 (2025): June: Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/idss.v8i2.291

Abstract

Heart disease remains one of the leading causes of death globally, with mortality rates continuing to rise each year. Early detection is critical to reducing the burden of this disease; however, conventional diagnostic methods are often costly, time-consuming, and reliant on specialist expertise. This study aims to evaluate the effectiveness of four machine learning (ML) algorithms—Decision Tree (DT), Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM)—in predicting heart disease using clinical datasets. The methodology involves data preprocessing, feature selection using the Random Forest algorithm, and performance evaluation through metrics such as accuracy, precision, recall, F1-score, and support. Experimental results indicate that KNN achieved the highest accuracy after feature selection, while SVM demonstrated the highest recall despite lower precision. RF offered the most balanced performance, making it a reliable model for real-world medical applications. These findings highlight the importance of selecting appropriate algorithms and features to improve the performance of predictive models. The study suggests that future research should incorporate larger datasets, apply systematic hyperparameter tuning, and explore deep learning techniques to further enhance prediction accuracy.
Co-Authors Ali Hanan, Rohman Eryan Ahmad Firdaus Fahlepy Sinaga, Ryan Hondor Saragih Manurung, Jonson