Article Per Year (5 Year)
p-Index From 2021 - 2026
4.476
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Dinamika Pengabdian (JDP) JTT (Jurnal Teknologi Terpadu) Paradigma Journal of Sustainable Engineering: Proceedings Series Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Ilmiah Intech : Information Technology Journal of UMUS Journal of Computer Networks, Architecture and High Performance Computing Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Teknik Informatika (JUTIF) JPM: JURNAL PENGABDIAN MASYARAKAT Jurnal Sains Indonesia DEVICE Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Pengabdian Pelitabangsa Journal of Artificial Intelligence and Digital Business Jurnal Lentera Pengabdian Proceeding International Pelita Bangsa Jurnal Pelita Pengabdian SAINTEK
Aswan Supriyadi Sunge
Informatics Engineering Department, Faculty Of Engineering, Pelita Bangsa University, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Comparison of K-Means and K-Medoid Algorithms in Classifying Village Status (Case Study: Gorontalo Province) Aswan Supriyadi Sunge; Nanang Tedi Kurniadi; Edy Widodo
Proceeding International Pelita Bangsa Vol. 1 No. 01 (2023): September 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pipb.v1i01.2675

Abstract

In the national development process, the village occupies a very important position. This is because it is the smallest government structure and has direct contact with the community. Seeing the importance of its role in national development, one of which is Gorontalo Province, based on directions from the central government, is trying to implement the Village Fund Allocation (ADD) policy for all villages in Gorontalo Province. In distributing the allocation of funds, it is necessary to map the status of the Village to find out the amount that must be given. This test uses the average execution time and the Davies Bouldin Index (DBI). After testing it is known that the K-Medoid Algorithm has a better DBI value than the K-Means Algorithm with the DBI value of the K-Medoid Algorithm being 0.050. On the other hand, the K-Means Algorithm has a better average execution time than the K-Medoid Algorithm, where the average execution time is 1 second.
Komparasi Machine Learning Memprediksi Phising Dalam Keamanan Website Aswan Supriyadi Sunge
Prosiding Sains dan Teknologi Vol. 1 No. 1 (2022): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 1 - Juli 2022
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/SAINTEK0101.135140

Abstract

The growth rate of online mobility is fast and increases sharply from desktop to mobile phone. Growth is recognized by users because of the ease of searching for information and dealing mainly in banking matters. Behind them, there is the most important issue of security on the Internet, one of them Phishing which means to resemble official or original websites when false with the intention of obtaining user information. There fore it takes a malicious web-based Phishing alias by using data set, then tested with some Machine Learning algorithms and then to compare the best and highest predictions. Computer simulation results have resulted an accuracy of up to 95.24% for the techniques used and the comparison with other models. Keywords: Predictions, Website, Phishing, Machine Learning
Metode Machine Learning Dalam Pendidikan Aswan Supriyadi Sunge
Prosiding Sains dan Teknologi Vol. 2 No. 1 (2023): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 2 - Februari 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pendidikan merupakan hak semua warga negara dan negara menjamin untuk mendapatkannya dan kualitas pendidikan didukung sarana dan prasarana. Namun itu semua tergantung dari pendidik dan peserta didik bagaimana melihat proses dan bisa menerima ilmu tersebut agar bisa menghasilkan suatu produk dari ilmu yang didapat. Memang diakui ada masalah yang didapat ketika proses belajar dan penyerapan ilmu maka dari itu dibutuhkan machine learning yang bertujuan melihat dan memecahkan masalah dari dari data yang ada. Metode dalam penelitian melihat paper yang terdahulu melihat metode yang dipakai dan hasil yang dicari kemudian dijadikan pedoman model mana yang banyak dipakai dalam mencari solusi dalam dunia Pendidikan.
Komparasi Akurasi Kernel Support Vector Machine Dalam Prediksi Diabetes Febyan Sulastri; Aswan Supriyadi Sunge; Listian Indriyani Achmad
Prosiding Sains dan Teknologi Vol. 2 No. 1 (2023): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 2 - Februari 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes mellitus sampai saat ini masih menjadi persoalan kesehatan serius dunia, termasuk di Indonesia yang berada di urutan ke-4 dengan prevalensi diabetes tertinggi di dunia setelah India, China, dan Amerika Serikat. WHO memperkirakan jumlah penderita diabetes mellitus tipe 2 di Indonesia akan mengalami peningkatan secara signifikan hingga 21,3 juta jiwa hingga tahun 2030. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dan melakukan komparasi tiap kernel dan tertinggi yaitu kernel rbfdot dan basseldot dengan nilai akurasi yang sama tertinggi dari kernel yang lain 72.73%.
Klasifikasi Tingkat Kepositifan Pengidap Penyakit Jantung Dengan Pendekatan Algoritma SVM Berbasis Both Kernel (Linear Dan Polynomial) Aji, Prasetyo Wicaksono; Fatchan , Muhammad; Sunge, Aswan Supriyadi
Jurnal Teknik Informatika UMUS Vol 5 No 2 (2023): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v5i2.1338

Abstract

Penyakit jantung adalah kondisi dengan angka kematian yang signifikan, menyebabkan sekitar 12 juta kematian setiap tahun di seluruh dunia. Fakta ini menunjukkan pentingnya mendeteksi penyakit jantung pada tahap awal. Namun, diagnosa penyakit ini menjadi sebuah tantangan yang berat karena adanya hubungan yang rumit antara karakteristik penyakit jantung. Oleh karena itu, pemahaman mengenai atribut kunci yang digunakan dalam proses pengambilan keputusan atau klasifikasi penyakit jantung memiliki makna yang sangat penting. Dalam penelitian ini, Mesin Vektor Dukungan (SVM) digunakan sebagai alat Penelitian dengan berpusat pada penilaian penyakit jantung berdasarkan kondisi kesehatan pasien. Data medis digunakan sebagai variabel prediksi utama dalam penelitian ini. Hasil prediksi akan menetapkan penilaian 1 jika terdapat indikasi penyakit jantung pada pasien, dan sebaliknya, akan memberikan penilaian 0 jika tidak ada penyakit jantung yang terdeteksi. Proses pelatihan model SVM ini dilakukan dengan menggunakan bahasa pemrograman Python.
Pengenalan dan Pembelajaran Algoritma Pemograman Python Pada SMK Hijau Muda Karangraharja Sunge, Aswan Supriyadi; Suprapto, Suprapto; Wiyanto, Tri Ngudi; Prasetyo, Sutrisno Aji
Jurnal Pelita Pengabdian Vol. 2 No. 1 (2024): Januari
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v2i1.3196

Abstract

Tujuan pembelajaran pemrograman adalah pemecahan masalah, berpikir logis dan sistematis. Ini membantu meningkatkan keterampilan mencari solusi dalam hal ini membantu dalam banyak aspek kehidupan, terutama membangun kreativitas dan kemandirian, berpikir kreatif dan menciptakan sesuatu yang baru. Khususnya bagi siswa jurusan yang berhubungan komputer perlu mempelajari dan mengenal bahasa pemrograman salah satu bahasa pemrograman yang saat ini sedang naik daun adalah Python, ini memang bukan yang baru namun tidak semua orang mengetahui bahasa pemrograman ini. Terutama di negara berkembang, Machine Learning semakin banyak digunakan untuk menyederhanakan masalah manusia, oleh karena itu, siswa memahami bahasa pemrograman, struktur dan fungsinya, serta lebih mungkin untuk dapat menggunakannya dalam masyarakat dan dunia kerja.
Menggairahkan Ruang Kelas: Menciptakan Pembelajaran Yang Menarik Dengan Adobe Flash Di Sdn Sukamanah 01 Sukatani Kabupaten Bekasi Sunge, Aswan Supriyadi; Suprapto, Suprapto; Edora, Edora; Prasetyo, Sutrisno Aji
Jurnal Pelita Pengabdian Vol. 2 No. 2 (2024): Juli 2024
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v2i2.4802

Abstract

Pendidikan merupakan hal utama dalam membentuk suatu negara, namun didukung dengan Pendidikan beserta infrastruktur yang sangat memadai. Jika semua komponen sudah terpenuhi tergantung dari motivasi dan minat belajar oleh siswa-siswa agar ingin belajar ilmu baru, dikarenakan ilmu yang dapat membosankan dan cara lama yang akibatnya sulit menerima ilmu dari pendidik. Animasi salah satu pembelajaran yang membuat semangat dan begitu cepat menerima ilmu baru, dengan cara tersebut maka pembelajaran animasi menjadi modal berharga agar siswa-siswa mau tetap belajar dan mengembangkan hasil berbentuk animasi.
Perbandingan Model Klasifikasi Tuned dan Untuned Dalam Prediksi Penyakit Jantung Sunge, Aswan Supriyadi; Tedi Kurniadi, Nanang; Zahrotul Kamalia, Antika; Naya, Candra; Afriantoro, Irfan; Suwarno, Agus
Prosiding Sains dan Teknologi Vol. 3 No. 1 (2024): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 3 - Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung merupakan salah satu penyakit yang mematikan, biarpun bisa dicegah namun sulit untuk diprediksi, maka dari itu dibutuhkan suatu model prediksi jantung dengan penggunaan Machine Learning dengan metode Classifier dengan model Random Forest dan Decision Tree lalu hasilnya divalidasi kembali agar bisa membandingkan hasilnya dengan (Tuned) atau tanpa (Untuned) dengan GridSearchCV. Hasil yang didapat bahwa model Random Foreset lebih tinggi dibanding Decision Tree, diharapkan dengan hasil penelitian bisa dijadikan pedoman dalam prediksi jantung dikemudian hari.
The Use of K-Means Algorithm Clustering in Grouping Life Expectancy (Case Study: Provinces in Indonesia) Nugraha, Dimas Reza; Zy, Ahmad Turmudi; Sunge, Aswan Supriyadi
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 3 (2024): Articles Research Volume 6 Issue 3, July 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i3.4171

Abstract

Life expectancy is defined as information that illustrates the age of the death of a population. Life expectancy is a general picture of the state of a region. If the infant mortality rate is high, then the life expectancy in the area is low. And vice versa, if the infant mortality rate is low, the life expectancy in the region is high. Life expectancy is also a benchmark for government actions in improving the welfare of society and the human development index. For this reason, it is necessary to group life expectancy data to make it easier to determine the provinces with high, middle, and low life expectancy. The results of cluster testing using the silhouette score method showed that two subjects had a low silhouette score level, which caused the cluster value to be less than optimal, namely East Java  & Gorontalo. The clustering results found that the cluster was divided into 3, namely cluster 1, with a high level of life expectancy consisting of 10 provinces, namely East Java, Riau, North Sulawesi, Bali, North Kalimantan, DKI Jakarta, West Java, Central Java, East Kalimantan and Special Region of Yogyakarta. Cluster 2 has a level of middle-life expectancy consisting of 18 provinces, namely Gorontalo, North Maluku, Central Sulawesi, South Kalimantan, North Sumatra, Bengkulu, West Sumatra, Central Kalimantan, Aceh, South Sumatra, Banten, Kep. Riau, South Sulawesi, Kep. Bangka Belitung, Lampung, West Kalimantan, Southeast Sulawesi and Jambi. Cluster 3, with a low level of life expectancy, consists of 6 provinces, namely West Sulawesi, Papua, Maluku, West Papua, West Nusa Tenggara, and East Nusa Tenggara.
Comparative Analysis of Earthquake Prediction with SVM, Naïve Bayes, and K-Means Models: Comparative Analysis of Earthquake Prediction with SVM, Naïve Bayes, and K-Means Models Muttaqin, Ahmad Fadhiil; Sunge, Aswan Supriyadi; Zy, Ahmad Turmudi
Journal of Computer Networks, Architecture and High Performance Computing Vol. 7 No. 1 (2025): Article Research January 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v7i1.5085

Abstract

Earthquakes are natural disasters with significant impacts on people and the environment, so effective methods for prediction are needed to improve preparedness and risk mitigation. This study analyzes the performance of three algorithms Support Vector Machine (SVM), Naïve Bayes, and K-Means in predicting earthquakes in Indonesia using a dataset containing 4,645 historical data from BMKG processed through preprocessing, data separation, analysis, and performance evaluation with RapidMiner tools. The results show that SVM has the best performance with 99.87% accuracy, 99.83% precision, and 95.61% recall, making it highly relevant for earthquake prediction. Naïve Bayes achieved 90.31% accuracy and 95.08% recall, but the low precision (57.24%) shows the limitations of this model. K-Means successfully clusters earthquakes into two categories: small (3,661 data) and large (55 data) earthquakes, with a Davies-Bouldin Index value of 0.579, reflecting good clustering quality. Based on these results, SVM is recommended as a superior earthquake prediction model, while Naïve Bayes and K-Means are more suitable for additional analysis. This approach confirms the potential of machine learning algorithms in supporting future earthquake risk mitigation.
Co-Authors Abdul Halim Anshor Afriantoro, Irfan Agung Nugroho Agus Supriyadi Agus Suwarno, Agus Ahmad Turmudi Zy Aji, Prasetyo Wicaksono Amali, Amali Anggara, Bangkit Akbar Anshor, Abdulhalim Antika Zahrotul Kamalia Aprilia Nur Sa'adah Budiarto, Eko Dendy K. Pramudito Dendy K. Pramudito Dodit Ardiatma Edora, Edora Edy Widodo Edy Widodo Erdi Fatchan , Muhammad Febyan Sulastri Fitri Rezeki Hamdani Hamdani Hamzah Muhammad Mardi Putra Juan Fakhri Khalis Sofi Kurniasih, Nabila Listian Indriyani Achmad Miftahuljannah Muttaqin, Ahmad Fadhiil Nanang Susanto Nanang Tedi Kurniadi Naya, Candra Nugraha, Arief Nugraha, Dimas Reza Pramudito, Dendy K. Pramudito, Dendy K. Pramudito Prasetyo, Sutrisno Aji Prasetyo, Sutrisno Aji Prasetyo Pratama, Nur Priyo, Basuki Edi R. R. Wening Ken Widodasih Riady, Sasmitoh Rahmad Rismawati Sari, Putri Anggun Septiawan Dwi Pramukti Suprapto Suprapto Suzanna, Suzanna Tedi Kurniadi, Nanang Tedi, Nanang Tri Ngudi Wiyatno Tyas Ismi Trialfhianty Warnars, Harco Leslie Hendric Spits Wiyanto, Tri Ngudi Wulandari, Anna Zahrotul Kamalia, Antika Zy, Ahmad Turmudi