Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi
Manzis, Ilham
Unknown Affiliation
Computer Science & IT Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Idealfit: Aplikasi Penentuan Berat Badan Ideal dan Rekomendasi Kesehatan Berbasis Chatbot AI Juanuari, Juanuari; Widodo, Rahmat Tri; Ilyas, Maulana; Manzis, Ilham; Prasetya, Sabdha; Pratama, Reza; Nainggolan, Esron Rikardo
Jurnal Pendidikan Tambusai Vol. 10 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v10i1.36490

Abstract

Kelebihan berat badan dan obesitas masih menjadi permasalahan kesehatan yang banyak terjadi di Indonesia akibat pola hidup modern yang kurang seimbang. Untuk membantu masyarakat memahami kondisi tubuh secara mandiri, penelitian ini mengembangkan aplikasi IdealFit sebagai media edukasi kesehatan digital. Aplikasi dibangun menggunakan Flutter dan Dart dengan metode Rule-Based Learning untuk menghasilkan kategori tubuh, diagnosis awal, dan saran pencegahan berdasarkan data pengguna. IdealFit juga dilengkapi chatbot interaktif yang terintegrasi dengan API Gemini untuk memberikan informasi kesehatan umum. Perancangan sistem dilakukan menggunakan diagram UML, sedangkan pengujian menggunakan metode Blackbox Testing. Hasil implementasi menunjukkan bahwa seluruh fitur berfungsi dengan baik dan memberikan informasi yang relevan. IdealFit dapat dimanfaatkan sebagai media edukasi kesehatan digital yang mudah digunakan dan mendukung peningkatan kesadaran masyarakat terhadap pentingnya menjaga berat badan ideal dan pola hidup sehat.
Implementasi K-Nearest Neighbor untuk Klasifikasi Tingkat Kemiskinan Sebagai Pendukung Pengambilan Keputusan Sosial di Indonesia Juanuari, Juanuari; Manzis, Ilham; Musyaffa, Abdurrozzaq; Ngara, Simson Mali; Syahla, Haura; Putra, Jordy Lasmana
INFOMATEK Vol 28 No 1 (2025): Juni 2026 (In Progress)
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v28i1.26866

Abstract

Kemiskinan tetap menjadi tantangan utama dalam pembangunan berkelanjutan di Indonesia, yang diperparah oleh kurangnya sistem identifikasi presisi untuk penyaluran bantuan sosial. Penelitian ini bertujuan untuk mengevaluasi efektivitas algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan tingkat kemiskinan di 514 kabupaten/kota di Indonesia guna mendukung pengambilan keputusan kebijakan sosial yang lebih tepat sasaran. Metode yang digunakan mencakup analisis dataset dengan 12 atribut indikator sosial-ekonomi, seperti Indeks Pembangunan Manusia (IPM) dan akses sanitasi. Tahapan pra-pemrosesan data melibatkan normalisasi min-max untuk menyelaraskan skala fitur yang heterogen serta teknik Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan distribusi kelas antara kategori "Miskin" dan "Tidak Miskin". Model divalidasi menggunakan metode 10-fold cross-validation dengan menguji variasi parameter k (3, 5, dan 7) melalui perangkat lunak RapidMiner. Hasil eksperimen menunjukkan bahwa algoritma KNN dengan parameter k=3 menghasilkan performa paling optimal dengan tingkat akurasi sebesar 89,88%. Meskipun presisi untuk kelas minoritas (miskin) tercatat sebesar 55,00%, model ini mampu mencapai nilai recall yang sangat tinggi, yakni 88,71%, serta rata-rata tertimbang F1-score sebesar 93,45%. Tingginya nilai recall menunjukkan kemampuan model dalam mendeteksi mayoritas penduduk miskin secara akurat, sehingga meminimalkan risiko pengabaian bantuan sosial. Penelitian ini menyimpulkan bahwa integrasi normalisasi dan SMOTE pada algoritma KNN secara signifikan meningkatkan sensitivitas model dalam mengidentifikasi kelompok rentan. Penggunaan model ini dianggap layak untuk kebijakan sosial inklusif karena lebih mengutamakan pengurangan kesalahan pengabaian (false negative). Namun, terdapat keterbatasan pada penggunaan data agregat wilayah yang berisiko memicu ecological fallacy. Untuk penelitian mendatang, disarankan penggunaan data tingkat rumah tangga yang lebih mikro serta integrasi indikator multidimensi yang lebih luas guna meningkatkan presisi identifikasi individu
Co-Authors Ilyas, Maulana Jordy Lasmana Putra Juanuari, Juanuari Musyaffa, Abdurrozzaq Nainggolan, Esron Rikardo Ngara, Simson Mali Prasetya, Sabdha Pratama, Reza Rahmat Tri widodo Syahla, Haura