Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Knowledge Engineering and Data Science Sewagati
Fajar Baskoro
Departemen Teknik Informatika, Institut Teknologi Sepuluh Nopember, Kampus ITS, Keputih, Sukolilo, Surabaya 60111
Humanities Computer Science & IT Education Engineering Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pendampingan Modul Pengumpulan dan Pelaporan Data pada Aplikasi Penelusuran COVID-19 untuk Dinas Kesehatan Jawa Timur Agus Budi Raharjo; Erlinda Argyanti Nugraha; Fransiscus Xaverius Arunanto; Dwi Sunaryono; Fajar Baskoro; Diana Purwitasari; Misbakhul Munir Irfan Subakti
Sewagati Vol 5 No 1 (2021)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1149.283 KB)

Abstract

Provinsi Jawa Timur (Jatim) adalah wilayah terpadat kedua di Indonesia dengan sekitar 39 juta penduduk tersebar di 38 kota. Selain Jakarta sebagai daerah terbanyak dengan pasien COVID-19, Jatim merupakan salah satu provinsi dengan pasien terkonfirmasi terbanyak. Dengan kondisi tersebut, penelusuran dan prediksi pasien menjadi hal vital yang dapat membantu pemerintah provinsi dalam mempelajari pola penyebaran sehingga mampu memberikan landasan dalam mengambil keputusan. Saat ini ITS khususnya Fakultas Teknologi Elektro dan Informatika Cerdas (FTEIC) sudah berpartisipasi aktif dalam mendampingi pembangunan sistem pengelolaan data lengkap pasien terkonfirmasi. Sistem yang dibangun tersebut diaplikasikan di wilayah Jatim, di mana ITS menjadi mitra Dinas Komunikasi dan Informasi (Diskominfo) dan Dinas Kesehatan (Dinkes) Jatim. Meskipun saat ini sistem pengelolaan data sudah dibangun, namun fitur penelusuran dan prediksi masih belum bisa dioptimalkan karena terkendala tenaga ahli. Oleh karena itu, departemen Informatika ITS khususnya laboratorium Algoritma dan Pemrograman (AP) menawarkan untuk melanjutkan pendampingan dengan Diskominfo dan Dinkes Jatim dalam pengumpulan dan pelaporan data guna menunjang fitur penelusuran dan prediksi tersebut. Dengan adanya pengabdian ini, diharapkan dapat mengoptimalkan sistem yang sudah dibangun sebelumnya dan dapat diadaptasi agar bisa mengelola data pandemi di masa mendatang sebagai bentuk kontribusi mendukung usaha pemerintah dalam menangani COVID-19.
Peningkatan Kompetensi Guru-Guru Playgroup Dan TK Sepuluh Nopember Surabaya Melalui Pelatihan TIK Ahmad Saikhu; Daniel Oranova Siahaan; FX Arunanto; Rully Soelaiman; Fajar Baskoro
Sewagati Vol 5 No 1 (2021)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (874.427 KB)

Abstract

Keberadaan Playgroup dan Taman Kanak-kanak Sepuluh Nopember merupakan bagian dari sejarah panjang eksistensi perumahan dosen dan karyawan ITS. Awalnya lembaga ini didirikan atas inisiatif Dharma Wanita Unit ITS untuk mengakomodasi kebutuhan sekolah taman kanak-kanak bagi dosen dan karyawan ITS yang berdomisili di perumahan dinas ITS Keputih Sukolilo Surabaya. Sehingga lembaga ini pun dinamakan Taman Kanak-kanak Dharma Wanita ITS. Namun seiring dengan perkembangan wilayah Kecamatan Sukolilo, khususnya di Kelurahan Keputih yang begitu pesat dengan munculnya banyak pemukiman baru, maka siswa taman kanak-kanak inipun berkembang dengan menerima siswa-siswa dari luar perumahan dinas ITS. Dengan munculnya kebutuhan belajar bagi anak-anak balita, maka lembaga ini berkembang dengan membuka kelas playgroup. Untuk pengembangan kurikulum pengajarannya, selain berdasarkan ketentuan dan panduan yang dikeluarkan oleh Dinas Pendidikan Provinsi Jawa Timur, lembaga ini dapat menambahkan konten-konten pengajaran yang sesuai dengan karakteristik lembaga ini sendiri. Dalam kesempatan melaksanakan kegiatan pengabdian kepada masyarakat kali ini diajarkan kepada guru-guru playgroup dan Taman Kanak-kanak Sepuluh Nopember tentang merancang pembelajaran dengan memanfaatkan programmable robot untuk anak-anak. Kegiatan pembelajaran dengan menggunakan robot ini akan menarik minat anak-anak untuk secara tidak langsung mengenal dasar-dasar pemikiran yang terstruktur. Sementara dalam pelaksanaannya juga tidak tidak memerlukan investasi yang besar. Hanya cukup dengan seperangkat programmable robot beserta buku panduan untuk memprogramnya menggunakan Scratch.
K-Means Clustering and Multilayer Perceptron for Categorizing Student Business Groups Miftahul Walid; Norfiah Lailatin Nispi Sahbaniya; Hozairi Hozairi; Fajar Baskoro; Arya Yudhi Wijaya
Knowledge Engineering and Data Science Vol 6, No 1 (2023)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um018v6i12023p69-78

Abstract

The research conducted in this study was driven by the East Java provincial government's requirement to assess the transaction levels of the Student Business Group (KUS) in the SMA Double Track program. These transaction levels are a basis for allocating supplementary financial aid to each business group. The system's primary objective is to assist the provincial government of East Java in making well-informed choices pertaining to the distribution of supplementary capital to the KUS. The classification technique employed in this study is the multilayer perceptron. However, the K-Means Clustering method is utilised to generate target data due to the limited availability during the classification process, which involves dividing the transaction level attributes into three distinct groups: (0) low transactions, (1) medium transactions, and (2) high transactions. The clustering process encompasses three distinct features: (1) income, (2) spending, and (3) profit. These three traits will be utilized as input data throughout the categorization procedure. The classification procedure employing the Multilayer Perceptron technique involved processing a dataset including 1383 data points. The training data constituted 80% of the dataset, while the remaining 20% was allocated for testing. In order to evaluate the efficacy of the constructed model, the training error was assessed using K-Fold cross-validation, yielding an average accuracy score of 0.92. In the present study, the categorization technique yielded an accuracy of 0.96. This model aims to classify scenarios when the dataset lacks prior target data.
Co-Authors Agus Budi Raharjo Ahmad Saikhu Arya Yudhi Wijaya Daniel Oranova Siahaan Diana Purwitasari Dwi Sunaryono Erlinda Argyanti Nugraha Fransiscus Xaverius Arunanto FX Arunanto Hozairi Hozairi Miftahul Walid Misbakhul Munir Irfan Subakti Norfiah Lailatin Nispi Sahbaniya Rully Soelaiman