Article Per Year (5 Year)
p-Index From 2021 - 2026
1.168
P-Index
This Author published in this journals
All Journal JSI (Jurnal sistem Informasi) Universitas Suryadarma Jurnal Nasional Teknologi Komputer Jurnal Pengabdian Kepada Masyarakat Indonesia
Ade Priyatna
Universitas Bina Sarana Informatika
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Education Engineering Public Health Social Sciences

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

Found 7 Documents
Search

 1 
Optimalisasi Affiliate Marketing Sebagai Alternatif Pemasaran Digital Bagi UMKM Di Era 4.0 Untuk Meningkatkan Daya Saing Dan Penjualan Pada Umkm Kedung Waringin Eko Setia Budi; Ade Priyatna; Eva Zuraidah; Nur Muthitussolehah; Dandy Huffaz Ichlamsyah; Maya Habsyi
Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) Vol. 5 No. 2 (2025): Agustus: Jurnal Pengabdian Kepada Masyarakat Indonesia (JPKMI)
Publisher : AMIK Veteran Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jpkmi.v5i2.8175

Abstract

Pengabdian Masyarakat merupakan kegiatan rutin yang dijalankan oleh dosen Perguruan Tinggi dalam rangka menjalankan kewajiban Tridharma Perguruan Tinggi. Dosen memiliki kewajiban dalam melaksanakan kewajiban untuk berbagi ilmu pengetahuan serta keterampilan yang dimiliki kepada masyarakat luas yang memerlukan bantuan. Salah satu mitra yang membutuhkan dukungan yaitu UMKM Kedung Waringin yang berada di Kecamatan Bojonggede desa kedung waringin. Awalnya hanya beranggotakan beberapa orang pelaku UMKM, alhamdulillah saat ini sudah terdata kurang lebih 160 pelaku UMKM yang menjadi anggota forum. Sebagian besar penduduk bermata pencaharian sebagai pedagang kecil dan pekerja pabrik. Terdapat beberapa warga yang memiliki keterampilan dalam bidang kuliner, kerajinan tangan, elektronik, dan perbengkelan. Potensi Ekonomi yang saat ini sedang berkembang yaitu terdapat beberapa UMKM yang bergerak di bidang kuliner yang turut membantu perekonomian keluarga. Namun masih ada banyak kendala yang dihadapi mitra terutama dalam hal personil branding, pemasaran dan penyajian iklan menggunakan media elektornik. Oleh karena itu pengabdian masyarakat ini bertujuan untuk membantu mitra UMKM Kedung Waringin dengan cara memberikan pelatihan Optimalisasi affiliate marketing sebagai alternatif pemasaran digital bagi umkm di era 4.0 untuk meningkatkan daya saing dan penjualan. Kegiatan dilaksanakan secara tatap muka di Aula Serbaguna RW 016, Kecamatan Bojonggede, Kabupaten Bogor. Target luaran yang ingin dicapai pada kegiatan ini adalah publikasi kegiatan pelatihan ini pada media elektronik atau cetak berskala nasional.
Perbandingan Kinerja Naive Bayes dan Decision Tree untuk Analisis Sentimen Ulasan Produk Online di Shopee dan Tokopedia Rolan Nagur; Diyan Alamsyah; Malfi Garry Tauran; Yamin Nuryamin; Ade Priyatna
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1740

Abstract

Penelitian ini membandingkan kinerja algoritma Naïve Bayes dan Decision Tree untuk analisis sentimen ulasan produk pada platform e-commerce Shopee dan Tokopedia. Dataset yang digunakan berjumlah 46.086 ulasan yang telah melalui tahap pembersihan data dan preprocessing teks, meliputi penghapusan data kosong dan duplikat, case folding, pembersihan karakter, tokenisasi, serta penghapusan stopword. Label sentimen diturunkan dari rating bintang dan dibagi menjadi tiga kelas: positif, netral, dan negatif. Ciri teks direpresentasikan menggunakan TF-IDF, sedangkan evaluasi kinerja model dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naïve Bayes menghasilkan akurasi sekitar 70,85%, lebih tinggi dibandingkan Decision Tree dengan akurasi 67,41%. Kedua model cukup baik dalam mengklasifikasikan sentimen positif, namun masih lemah pada kelas netral karena ketidakseimbangan data dan ekspresi bahasa yang ambigu. Temuan ini menunjukkan bahwa Naïve Bayes lebih sesuai digunakan sebagai dasar pengembangan sistem analisis sentimen ulasan produk e-commerce. Penelitian ini memberikan referensi bagi pelaku industri dalam memanfaatkan ulasan.
Prediksi Risiko Serangan Jantung Menggunakan Algoritma Random Forest Berdasarkan Faktor Klinis dan Riwayat Medis Pasien arkananta hamzah firjatullah; Muhammad Vhijar Rainaldany; Ryan Firas Anderasta; Yamin Nuryamin; Ade Priyatna
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1749

Abstract

ANALISIS PREDIKSI PENYAKIT HEPATITIS MENGGUNAKAN ALGORITMA DECISION TREE DAN NAIVE BAYES Axel Elyas Ginting; Akbar Fajar Fadililah; Mayang Kusumah; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.317

Abstract

ABSTRAK Penyakit hepatitis merupakan salah satu masalah kesehatan global yang kritis dan terus menjadi tantangan besar dalam dunia medis karena menyerang organ hati dan sulit terdeteksi pada tahap awal. Kondisi ini menuntut adanya metode diagnosis yang lebih cepat, efektif, dan mampu memberikan prediksi akurat untuk membantu tenaga medis dalam proses identifikasi dini. Seiring perkembangan teknologi, pendekatan berbasis machine learning mulai banyak diadopsi untuk mendukung analisis data medis secara otomatis. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, dalam memprediksi status penyakit hepatitis berdasarkan data biokimia darah. Dataset yang digunakan bersumber dari platform Kaggle, terdiri atas 615 data pasien dan 14 atribut laboratorium. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi, pembagian data menjadi 70% data latih dan 30% data uji, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 88,65%, sedikit lebih tinggi dibandingkan algoritma Naive Bayes yang mencapai akurasi 87,03%. Temuan ini mengindikasikan bahwa Decision Tree lebih efektif dalam menangani variasi data dan hubungan non-linear antar fitur biokimia. Secara keseluruhan, penelitian ini menegaskan bahwa kedua model mampu digunakan sebagai sistem pendukung keputusan dalam mendeteksi hepatitis, namun Decision Tree menjadi model yang lebih potensial untuk diimplementasikan pada tahap diagnosis awal.
PREDIKSI STATUS PEROKOK DARI DATA TUBUH, HEMOGLOBIN, PENYAKIT GIGI MENGGUNAKAN RANDOM FOREST Nayla Bella Rahmawati; Dimas Permadi; Muhammad Fadly; Yamin Nur Yamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.318

Abstract

Perilaku merokok merupakan masalah kesehatan masyarakat yang serius karena berkaitan dengan berbagai penyakit kronis seperti gangguan paru, penyakit kardiovaskular, dan masalah kesehatan mulut. Oleh karena itu, memprediksi status perokok menjadi penting untuk mendukung strategi pencegahan yang berbasis data akurat. Penelitian ini bertujuan untuk memprediksi status perokok menggunakan empat variabel utama, yaitu tinggi badan, berat badan, kadar hemoglobin, dan penyakit gigi. Algoritma Random Forest dipilih karena memiliki kinerja yang kuat dalam menangani tugas klasifikasi yang kompleks. Dataset yang digunakan dalam penelitian ini berasal dari survei kesehatan masyarakat yang mencakup informasi antropometri dan medis terkait kebiasaan merokok. Sebelum membangun model, data melalui beberapa tahap pra-pemrosesan seperti normalisasi, penghapusan nilai yang hilang, dan pembagian data menjadi set pelatihan dan pengujian dengan rasio 80:20. Metode Grid Search digunakan untuk mengoptimalkan parameter model. Hasil penelitian menunjukkan bahwa model Random Forest mencapai akurasi sebesar 87%, dengan precision sebesar 0.85 dan recall sebesar 0.88. Kadar hemoglobin dan penyakit gigi ditemukan sebagai prediktor paling penting dalam menentukan status perokok, sementara berat badan menunjukkan hubungan moderat yang mengindikasikan adanya kaitan antara metabolisme dan konsumsi nikotin. Temuan ini menunjukkan bahwa Random Forest memberikan performa klasifikasi yang kuat dan stabil dalam konteks kesehatan masyarakat. Selain itu, analisis data eksploratori dan pengembangan model dilakukan menggunakan Google Collaboratory dengan bahasa pemrograman Python. Evaluasi model akhir menghasilkan akurasi 80,16%, yang menegaskan efektivitas Random Forest dalam mengidentifikasi pola perilaku merokok dalam dataset.
Analisis Keparahan Banjir di DKI Jakarta Tahun 2020 Menggunakan Algoritma Random Forest darminto; Alman Achmad; Dionaci rizki utami; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.324

Abstract

Banjir merupakan salah satu bencana alam yang paling sering terjadi di Provinsi DKI Jakarta dan menimbulkan dampak sosial serta ekonomi yang signifikan. Penelitian ini bertujuan untuk memprediksi tingkat keparahan banjir menggunakan algoritma Random Forest Classifier berdasarkan data kejadian banjir tahun 2020 yang diperoleh dari BPBD DKI Jakarta. Proses analisis dilakukan melalui tahapan pembersihan data, normalisasi, pembentukan label tingkat keparahan, pelatihan model, serta evaluasi performa di Google Colab. Hasil penelitian menunjukkan bahwa model Random Forest mampu mencapai performa tinggi dengan nilai akurasi, precision, recall, dan f1-score sebesar 100% pada tiga kategori klasifikasi: Rendah, Sedang, dan Tinggi. Variabel jumlah terdampak jiwa dan ketinggian air menjadi faktor paling dominan dalam menentukan tingkat keparahan banjir. Model ini berpotensi menjadi alat bantu dalam pengambilan keputusan mitigasi bencana, serta dapat dikembangkan lebih lanjut dengan menambahkan fitur curah hujan dan data multi-tahun. Sehingga dapat membantu pemerintah dalam menanggulangi bencana banjir.
Prediksi dan Pemodelan Kualitas Udara Menggunakan Random Forest dan Gradient Boosting Jakarta: Studi Kasus : Jakarta dan Tangerang Afdan Rivaldi; Alif Ramadhani; Iqbal Ramadhan; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.328

Abstract

PM2.5 menjadi salah satu indikator penting dalam menilai kualitas udara di wilayah perkotaan karena sensitif terhadap aktivitas transportasi, industri, serta dinamika pertumbuhan penduduk. Penelitian ini bertujuan untuk memetakan pola PM2.5 di Jakarta dan Tangerang serta membangun model prediksi berbasis machine learning. Data Jakarta (2021–2025) dan Tangerang (2020–2023) melalui proses pembersihan, imputasi nilai hilang, normalisasi, dan penyelarasan struktur. Rekayasa fitur diterapkan untuk memperkuat karakteristik temporal sebelum model Random Forest dan Gradient Boosting dilatih dengan rasio 80:20. Evaluasi menggunakan R², RMSE, dan MAE menunjukkan bahwa konsentrasi PM2.5 di Jakarta cenderung lebih tinggi dan berfluktuasi. Gradient Boosting memperoleh performa paling konsisten, sedangkan analisis feature importance mengidentifikasi PM10 dan NO₂ sebagai variabel paling berpengaruh. Temuan ini menegaskan bahwa pendekatan machine learning mampu meningkatkan efektivitas pemantauan kualitas udara dan mendukung strategi pengendalian polusi yang berbasis data.
Co-Authors Afdan Rivaldi Akbar Fajar Fadililah Alif Ramadhani Alman Achmad arkananta hamzah firjatullah Axel Elyas Ginting Dandy Huffaz Ichlamsyah darminto Dimas Permadi Dionaci rizki utami Diyan Alamsyah Eko Setia Budi Eva Zuraidah Iqbal Ramadhan Malfi Garry Tauran Maya Habsyi Mayang Kusumah Muhammad Fadly Muhammad Vhijar Rainaldany Nayla Bella Rahmawati Nur Muthitussolehah Rolan Nagur Ryan Firas Anderasta Yamin Nur Yamin Yamin Nuryamin