Article Per Year (5 Year)
p-Index From 2021 - 2026
0.882
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara
Dicky Apdillah
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

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

Found 5 Documents
Search

 1 
SISTEM INFORMASI BUKU TAMU DI KANTOR KESYAHBANDARAN DAN OTORITAS KELAS III KUALA TANJUNG Dini Farhatun; Dicky Apdillah
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 5 (2025): Oktober - November 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Kantor Kesyahbandaran dan Otoritas Pelabuhan Kelas III Kuala Tanjung merupakan instansi pemerintah yang memberikan pelayanan administrasi dan pengawasan di bidang kepelabuhanan. Dalam kegiatan operasionalnya, proses pencatatan tamu masih dilakukan secara manual menggunakan buku tulis, yang menimbulkan berbagai kendala seperti kesalahan penulisan data, kesulitan mencari arsip kunjungan, serta lambatnya proses rekapitulasi laporan. Kondisi tersebut menghambat efektivitas kerja petugas dalam memberikan pelayanan yang cepat dan akurat. Tujuan penelitian ini adalah merancang sistem informasi buku tamu berbasis web untuk meningkatkan efisiensi dan akurasi dalam pengelolaan data tamu. Metode penelitian yang digunakan adalah metode kualitatif dengan teknik pengumpulan data melalui observasi lapangan, wawancara, dan studi pustaka guna memperoleh data yang relevan dalam proses perancangan sistem. Hasil dari penelitian menunjukkan bahwa sistem informasi buku tamu berbasis web yang dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL mampu mengatasi kendala pencatatan manual. Sistem ini mempermudah proses input, pengelolaan, dan pencarian data tamu secara digital serta menyediakan laporan kunjungan secara real-time. Dengan demikian, penerapan sistem ini dapat meningkatkan efisiensi kerja, keamanan data, dan kualitas pelayanan di Kantor Kesyahbandaran dan Otoritas Pelabuhan Kelas III Kuala Tanjung.
Analisis Sentimen Ulasan Pengguna Aplikasi Mobile JKN di Google Play Store Menggunakan Algoritma K-Nearest Neighbors (KKN): Penelitian Mario Marcelino; Vina Pratiwi; Naila Rahma; Dicky Apdillah
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6720

Abstract

Perkembangan teknologi digital mendorong transformasi layanan kesehatan melalui aplikasi digital, salah satunya aplikasi Mobile JKN yang dikembangkan BPJS Kesehatan. Meningkatnya penggunaan aplikasi ini diikuti bertambahnya ulasan pengguna di Google Play Store yang dapat digunakan untuk mengetahui persepsi terhadap kualitas layanan. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna Mobile JKN menggunakan algoritma K-Nearest Neighbors (KNN). Data diperoleh melalui web scraping sebanyak 1.000 ulasan. Tahapan penelitian meliputi pengumpulan data, pelabelan sentimen berdasarkan rating, preprocessing (cleaning, case folding, tokenization, stopword removal, dan stemming), ekstraksi fitur menggunakan TF-IDF, serta klasifikasi dengan KNN. Hasil menunjukkan sentimen positif mendominasi sebanyak 577 ulasan (57,7%), diikuti sentimen negatif 385 ulasan (38,5%), dan sentimen netral 38 ulasan (3,8%). Kata dominan pada sentimen positif adalah bagus, mudah, cepat, membantu, dan praktis, sedangkan sentimen negatif didominasi error, login, otp, gagal, dan lemot. Evaluasi model menunjukkan akurasi sebesar 87,59%, sehingga KNN efektif digunakan untuk klasifikasi sentimen ulasan Mobile JKN. Hasil penelitian ini diharapkan menjadi bahan evaluasi bagi pengembang untuk meningkatkan kualitas layanan dan pengalaman pengguna aplikasi Mobile JKN.
Sistem Pengenalan Ekspresi Wajah Menggunakan Deep Learning dengan Arsitektur MobileNetV2 : Penelitian Tiara Adinda Puspita; Adellia Febriyanti; Ardhana Aryaldi Rahmadani; Dicky Apdillah
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6763

Abstract

Perkembangan teknologi Artificial Intelligence (AI), khususnya Deep Learning, telah mendorong kemajuan sistem pengolahan citra digital (computer vision), termasuk pengenalan ekspresi wajah (Facial Expression Recognition/FER) untuk mengidentifikasi emosi manusia secara otomatis berdasarkan karakteristik wajah. Sistem ini bermanfaat di bidang pendidikan, kesehatan, keamanan, dan interaksi manusia-komputer, namun masih menghadapi tantangan seperti variasi pencahayaan, posisi wajah, dan kemiripan antar ekspresi. Penelitian ini bertujuan mengembangkan sistem pengenalan ekspresi wajah menggunakan arsitektur MobileNetV2 dengan dataset FER2013 yang berisi citra grayscale tujuh kategori ekspresi: angry, disgust, fear, happy, sad, surprise, dan neutral. Tahapan penelitian meliputi preprocessing (resize, normalisasi, dan data augmentation), pelatihan model, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Model dilatih selama 30 epoch dengan batch size 32, optimizer Adam, dan learning rate 0,001. Hasil menunjukkan MobileNetV2 mencapai accuracy 90,27%, precision 89,84%, recall 89,12%, dan F1-score 89,47%, dengan pengenalan terbaik pada ekspresi happy dan surprise. Temuan ini menunjukkan bahwa MobileNetV2 merupakan alternatif yang efektif dan efisien untuk sistem pengenalan ekspresi wajah.
PENERAPAN DATA MINING DALAM MENENTUKAN PRIORITAS TINDAKAN MEDIS PASIEN BPJS BERDASARKAN RIWAYAT MEDIS MENGGUNAKAN METODE KNN Wilson Panjaitan; Dicky Apdillah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6368

Abstract

The rapid development of information technology has encouraged the healthcare sector to utilize data as a basis for faster, more precise, and effective decision-making. One of the largest data sources in the healthcare sector is BPJS (Social Security Administration for Health) patient data, which includes medical history, examination results, previous medical procedures, and medication use. This data is a critical asset that, when properly managed and analyzed, can assist hospitals and healthcare facilities in determining appropriate medical interventions for patients. The purpose of this study was to design and develop an application for prioritizing medical procedures for BPJS patients in, using the KNN method, the PHP programming language, and a MySQL database. The data used in this study were BPJS patient visit data. Based on test results at various levels of K=3, K=5, and K=7, the data demonstrated very high consistency. Even though the K value (number of nearest neighbors) was increased from 3 to 7, the final classification results still showed a predominance of the Medium Priority category. With a KNN-based classification system, medical personnel no longer need to manually assess each patient.
ANALISIS PREDIKSI KONSUMSI GIZI PADA PROGRAM MAKAN BERGIZI GRATIS (MBG) MENGGUNAKAN METODE MACHINE LEARNING Tirta Bening Sedayu; Nia Saputri; Tia Putri Akhmaliyah; Muhammad Hanif; Dicky Apdillah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6644

Abstract

The Free Nutritional Meal Program (MBG) is a government effort to improve the nutritional quality of students by providing nutritious food. This study aims to analyze the prediction of nutrient consumption levels in the MBG Program using the K-Nearest Neighbor (KNN) method. The data used were 100 datasets consisting of variables such as age, menu type, menu calories, initial nutritional status, and nutrient consumption levels. The data were divided into 80% training data and 20% testing data with a K value of 5. The test results showed that the KNN method achieved 95% accuracy, with 19 data points correctly predicted out of 20 test data points. The results indicate that the KNN method is capable of predicting nutrient consumption levels effectively and can be an alternative to support the evaluation of the Free Nutritional Meal Program (MBG).
Co-Authors Adellia Febriyanti Ardhana Aryaldi Rahmadani Dini Farhatun Mario Marcelino Muhammad Hanif Naila Rahma Nia Saputri Tia Putri Akhmaliyah Tiara Adinda Puspita Tirta Bening Sedayu Vina Pratiwi Wilson Panjaitan