Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Elektronik Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Paradigma Setia Mengabdi: Jurnal Pengabdian Kepada Masyarakat
Titin Prihatin
Universitas Bina Sarana Informatika
Automotive Engineering Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
MENGOPTIMALKAN PREDIKSI GAGAL JANTUNG DENGAN KOMBINASI SVM DAN FORWARD SELECTION Verry Riyanto; Henny Destiana; Titin Prihatin; Sugiono; Ganda Wijaya
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1541

Abstract

Gagal jantung merupakan salah satu kondisi kesehatan kritis dengan angka kematian yang terus meningkat, dengan permasalahan yang ada diagnosis tradisional seringkali kurang akurat dan efisien sehingga diperlukan metode diagnosis dini yang lebih presisi dan efisien. Penelitian sebelumnya telah meningkatkan akurasi prediksi dengan berbagai metode namun masih terbatas dalam pemilihan fitur optimal dan efisiensi pemodelan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja kernel pada algoritma Support Vector Machine (SVM) seperti Dot, Radial, Polynomial dan menganalisis efektivitas Forward Selection (FS) dalam memilih fitur paling signifikan guna mengoptimalkan prediksi risiko gagal jantung. Hasil penelitian menunjukkan bahwa kernel Radial dengan FS memiliki performa terbaik dengan AUC 0.881, Accuracy 84,64%, dan Recall 92,55%. Fitur time dan serum_creatinine terbukti paling signifikan dalam meningkatkan performa model. Penelitian ini membuktikan bahwa kombinasi antara SVM dan FS mampu menghasilkan solusi yang lebih presisi dan efisien dalam diagnosis dini gagal jantung dibandingkan pendekatan sebelumnya. Hasil ini diharapkan dapat mendukung pengembangan sistem prediksi berbasis kecerdasan buatan untuk aplikasi klinis yang lebih andal.
Pelatihan Membangun Website Usaha Mikro Kecil Menengah untuk Pengembangan Usaha Mitra Cikoko Ridwansyah Ridwansyah; Titin Prihatin; Ispandi Ispandi; Oky Kurniawan
Setia Mengabdi: Jurnal Pengabdian kepada Masyarakat Vol. 7 No. 1 (2026): Juni 2026
Publisher : Politeknik STIA LAN Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31113/setiamengabdi.v7i1.105

Abstract

Perkembangan teknologi digital dalam beberapa tahun terakhir memberikan peluang besar bagi Usaha Mikro, Kecil, dan Menengah (UMKM) untuk meningkatkan daya saing dan memperluas jangkauan pasar. Namun, berdasarkan hasil observasi pada mitra, yaitu warga RT 07 Kelurahan Cikoko, Kecamatan Pancoran, Jakarta Selatan, masih ditemukan permasalahan berupa rendahnya literasi digital serta keterbatasan kemampuan dalam memanfaatkan teknologi untuk mendukung kegiatan usaha. Tujuan kegiatan pengabdian kepada masyarakat ini adalah meningkatkan literasi digital dan keterampilan peserta dalam membangun website UMKM sederhana menggunakan WordPress sebagai media promosi digital. Metode yang digunakan meliputi penyampaian materi, demonstrasi, praktik langsung pembuatan website, serta pendampingan peserta selama pelatihan. Hasil kegiatan menunjukkan bahwa peserta memperoleh peningkatan pemahaman mengenai pemanfaatan website untuk pengembangan usaha serta mampu membuat website sederhana yang memuat profil usaha, informasi produk, galeri, dan kontak usaha. Selain itu, mayoritas peserta memberikan respons positif terhadap pelaksanaan kegiatan dan menyatakan bahwa pelatihan mampu membantu menyelesaikan permasalahan yang dihadapi terkait pemanfaatan teknologi digital. Kegiatan ini memberikan kontribusi dalam meningkatkan kesiapan digital pelaku UMKM sehingga dapat mendukung perluasan pasar dan peningkatan daya saing usaha.
Peningkatan Kinerja dengan Pembuatan Website Terintegrasi Artificial Intelligence pada Yayasan Kopia Raya Insani: Improving Performance by Creating an Integrated Artificial Intelligence Website at the Kopia Raya Insani Foundation Ridwansyah Ridwansyah; Oky Kurniawan; Titin Prihatin; Ispandi Ispandi
Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Vol. 9 No. 2 (2025): June
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jindeks.v9i2.7523

Abstract

Transformasi digital menuntut organisasi sosial untuk mampu beradaptasi dengan perkembangan teknologi, termasuk dalam pemanfaatan kecerdasan buatan (Artificial Intelligence / AI). Kegiatan ini bertujuan untuk meningkatkan literasi digital dan keterampilan teknologi informasi mitra, khususnya dalam pembuatan website yang terintegrasi dengan teknologi AI. Mitra kegiatan adalah remaja dari Yayasan Kopia Raya Insani yang menghadapi kendala dalam pengelolaan informasi dan penyampaian identitas organisasi secara digital. Sebagai solusi, kegiatan ini menyediakan pelatihan pembuatan website yang terintegrasi AI untuk meningkatkan kemampuan mitra dalam menyampaikan informasi secara digital. Evaluasi dilakukan untuk menilai peningkatan kinerja mitra, baik dari sisi pengetahuan teknologi, keterampilan teknis, maupun efisiensi penyampaian informasi organisasi.  Metode pelaksanaan kegiatan mencakup tahapan perencanaan, pelatihan tatap muka, dan evaluasi melalui kuesioner serta pre-test dan post-test. Hasil evaluasi menunjukkan peningkatan skor rata-rata sebesar 32 poin dengan nilai N-Gain 0,68 (kategori sedang). Sebanyak 75% peserta menyatakan sangat setuju bahwa pelatihan ini meningkatkan keterampilan mereka, dan 56% peserta menunjukkan minat tinggi untuk mengikuti pelatihan serupa di masa mendatang. Kegiatan ini terbukti efektif dalam meningkatkan pengetahuan, keterampilan digital, serta minat peserta terhadap teknologi AI. Selain itu, peserta memperoleh pengalaman praktis dalam mengelola platform digital organisasi secara mandiri. Kegiatan ini memberikan kontribusi nyata dalam mendukung operasional organisasi mitra secara lebih efisien dan adaptif terhadap perkembangan teknologi, serta berpotensi menjadi model pengabdian berkelanjutan dalam penguatan kapasitas digital masyarakat.
Comparative Analysis of Multi-Classifier Models with Resampling Techniques for Imbalanced Student Graduation Prediction Irmawati Carolina; Resti Lia Andharsaputri; Suharjanti Suharjanti; Titin Prihatin; Hafis Nurdin
Paradigma - Jurnal Komputer dan Informatika Vol. 28 No. 1 (2026): March 2026 Period
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/p.v28i1.11976

Abstract

Student graduation prediction supports early academic intervention but commonly suffers from class imbalance, where on-time graduates dominate the dataset. This study evaluates five classifiers—Random Forest (RF), XGBoost, Logistic Regression (LR), k-Nearest Neighbors (k-NN), and Gaussian Naïve Bayes (GNB)—under five class-imbalance handling scenarios: Baseline (no resampling), Random Undersampling (RUS), SMOTE, ADASYN, and Borderline-SMOTE. Experiments were conducted on 796 student records (10 attributes) with an imbalanced distribution (634 on-time vs. 162 not on-time; ratio 1:3.9) using Stratified 5-Fold Cross-Validation. Performance was assessed using confusion-matrix metrics and AUC-ROC to reflect minority-class detection. Under baseline, RF achieved the highest accuracy (0.873) but limited minority recall (0.573), confirming majority-class bias. Resampling consistently improved minority recall across models; for example, LR recall increased to 0.802 with RUS, while GNB reached 0.833 with ADASYN, although accuracy decreased due to the sensitivity–specificity trade-off. Overall, RF and XGBoost showed the most stable discrimination across resampling scenarios based on AUC (RF: 0.870–0.883; XGBoost: 0.847–0.866). The main contribution is a systematic, reproducible comparative evaluation of classifier–resampling combinations for imbalanced graduation prediction, providing practical guidance for selecting robust models to identify students at risk of delayed graduation.  
Co-Authors Ganda Wijaya Hafis Nurdin Henny Destiana Irmawati Carolina Ispandi Ispandi Oky Kurniawan Resti Lia Andharsaputri Ridwansyah Ridwansyah Sugiono Suhar Janti Verry Riyanto