Article Per Year (5 Year)
p-Index From 2019 - 2024
1.066
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) AMMA : Jurnal Pengabdian Masyarakat
Dikananda, Fatihanursari
Unknown Affiliation
Humanities Chemistry Computer Science & IT Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PKM Penguatan Kapasitas Sdm Desa Pelatihan Manajemen Dan Keterampilan Teknis Untuk Pembangunan Lokal Wahyudin, Edi; Martanto; Dikananda, Fatihanursari; Rano; Nasakh
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 5 : Juni (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

The Community Service Program (PKM) titled "Strengthening Village Human Resources: Management and Technical Skills Training for Local Development" aims to address the limitations in human resource capacity that often hinder development in villages. This program is designed to enhance the managerial skills of village officials and develop the technical skills of residents in agriculture, crafts, and information technology. Implementation begins with needs identification through surveys and interviews, followed by the design of an appropriate curriculum, and the delivery of training by experts and practitioners. The results of this program show a significant improvement in the managerial abilities of village officials and the technical skills of residents, contributing to the development of local businesses and the village economy. Evaluations also indicate an increased awareness of the importance of strengthening human resource capacity for sustainable development, making this program a potential model for other villages.
PERBANDINGAN METODE ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI PENYAKIT STROKE Akmal, Khairul; Faqih, Ahmad; Dikananda, Fatihanursari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6367

Abstract

Stroke selaku serupa penyakit yang meninggali strata ketiga di Indonesia sesudah jantung serta kanker. Kerapkali setiap individu bermalas-malasan dalam mendapati terdapatnya penyakit stroke. Minimnya kekuatan kedokteran di Indonesia membikin rakyat sukar guna mengetahui dengan cara dini penyakit stroke. Stroke yaitu sesuatu sindrom klinis yang diisyarati dengan tandasnya peranan otak dengan cara berat yang bisa mengakibatkan kematian. Tujuan riset ini guna pengelompokan hasil kira-kira penyakit stroke dengan pendekatan algoritma Naïve Bayes serta K-Nearest Neighbors menurut kriteria-kriteria dalam penyakit stroke antara lain kategori genitalia, umur pesakit, darah tinggi, riwayat sakit jantung, sempat menikah, kategori profesi, kategori tempat bermukim, kandungan gula darah, BMI, status merokok. Statistik yang dibubuhkan dalam riset ini ialah Stroke Prediction Dataset yang diperoleh pada repositori Kaggle yang yaitu salah satu yang populer di negeri Data Science serta Machine Learning. Kali ini perubahan masa revolusi industri 4.0 yang bergerak selaras di segi teknologi serta ilmu kesehatan akibatnya selaku suatu yang bisa berharga dengan mengenakan Machine Learning. Banyak sekali faedah yang dibubuhkan dalam menduga sebagian penyakit yang bisa di proyeksi. Eksklusifnya penyakit stroke dengan mengenakan tilikan algoritma Naïve Bayes serta K-Nearest Neighbors guna tiap-tiap elastis nya. Implementasi cara ini mengenakan Cross Validation adalah data training serta data testing dibikin kuota dalam melaksanakan pengetesan. Pemanfaatan algoritma Naïve Bayes serta K-Nearest Neighbors bisa di terapkan selaku materi evaluasi guna membikin sistem pandai yang dibubuhkan oleh para pakar kesehatan guna pengumpulan ketetapan yang bagus di segi ke penjagaan serta medis dalam memacu hasil pemeriksaan pesakit stroke. Hasil ketelitian yang didapat dengan mengenakan algoritma K-Nearest Neighbors sebesar 94,36% hasil pengelompokan bisa dibubuhkan guna menolong dokter dalam pemeriksaan penyakit stroke.
ANALISIS SEGMENTASI PUSKESMAS DI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOID BERDASARKAN INDIKATOR PENYEBAB STUNTING Komalasari, Cahyaningrum; Faqih, Ahmad; Dikananda, Fatihanursari; Sulaeman, Muhamad; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8189

Abstract

Stunting merupakan keadaan dimana seseorang mengalami kekurangan gizi. Namun, hingga saat ini, belum terdapat segmentasi Puskesmas terkait stunting berdasarkan indikatornya menggunakan data mining di Kabupaten Cirebon. Pada penelitin ini bertujuan untuk menganalisis segmentasi puskesmas terkait stunting dengan indikatornya guna memberikan rekomendasi pencegahan dan penyuluhan terkait stunting menggunakan Algoritma Partitioning Around Medoid (PAM). Data bersumber dari website opendata.jabarprov.go.id dan opendata.cirebonkab.go.id dan observasi langsung ke dinas Kesehatan kab. Cirebon. Variabel yang digunakan Jumlah Ibu Hamil yang mengalami KEK (Kekurangan Energi Kronik), Jumlah stunting, Jumlah Ahli Gizi dan Jumlah Puskesmas aktif yang ada di kabupaten Cirebon pada tahun 2022. Proses pengolahan data menggunakan metode KDD (Knowledge Discovery in Database). Implementasi k-medoids dilakukan dengan inisiasi nilai centroid secara acak dalam iterasi. Hasil menunjukkan medoid sementara sebesar 7122,045634, dan medoid awal 6348,966306, dengan selisih 773,0793279 hasil yang signifikan mengakibatkan penghentian iterasi pada tahap pertama. Evaluasi manual dengan rumus SSW (Sum of Square Within Cluster) dan SSB (Sum of Square Between) menghasilkan rasio cluster 0,8470604, mendekati 0, menunjukkan hasil yang baik dan Evaluasi cluster menggunakan Davies-Bouldin Index (DBI) menggunakan RapidMiner menghasilkan nilai 0,569. Cluster 1 (19 puskesmas) memiliki kasus stunting tertinggi, sedangkan Cluster 2 (41 puskesmas) memiliki kasus stunting rendah, memberikan dasar rekomendasi pencegahan serta penyuluhan yang lebih terarah.
KOMPARASI ALGORITMA K-MEANS DAN K-MEDOIDS DALAM ANALISIS PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS DI INDONESIA Hoerunnisa, Anis; Dwilestari, Gifthera; Dikananda, Fatihanursari; Sunana, Heliyanti; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8249

Abstract

Kriminalitas sebagai fenomena yang kompleks, memiliki dampak serius pada stabilitas dan ketertiban sosial, sertamemengaruhi aspek sosial dan ekonomi suatu wilayah. Pemahaman mendalam terhadap area-area rentan terhadap tindak kriminal menjadi esensial dalam upaya mencegah dan menangani kejahatan. Penelitian ini bertujuan eksploratif untuk membandingkan efektivitas dua metode clustering, yaitu K-Means dan K-Medoids, dalam menganalisis daerah-daerah rentan kriminal di Indonesia.Metode penelitian melibatkan langkah-langkah seperti pengumpulan data kriminalitas dari sumber terpercaya, penyortiran, dan pengolahan data untuk membentuk dataset yang akurat. Dengan menggunakan pendekatan Knowledge Discovery in Databases (KDD), penelitian ini menerapkan algoritma K-Means, pengelompokan dalam analisis data yang bertujuan mengelompokkan data menjadi beberapa klaster, dan K-Medoids, variasi K-Means yang menggunakan medoid sebagai representasi klaster. Hasil analisis menunjukkan bahwa kedua algoritma dapat digunakan untuk mengelompokkan daerah rawan kriminalitas di Indonesia, dengan K-Means membentuk 5 cluster dan K-Medoids membentuk 2 cluster. Evaluasi menggunakan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Means lebih optimal (DBI=0,463) dibandingkan K-Medoids (DBI=1,089). Sebagai saran untuk pengembangan selanjutnya, disarankan untuk mempertimbangkan penggunaan algoritma clustering yang berbeda, melakukan perbandingan dengan metode lain, dan menambahkan kriteria atau variabel yang relevan untuk meningkatkan kualitas analisis clustering. Diharapkan hasil ini dapat memberikan kontribusi signifikan dalam upaya pencegahan dan penanggulangan kriminalitas di Indonesia.
PENERAPAN ALGORITMA DECISION TREE BERBASIS POHON KEPUTUSAN DALAM KLASIFIKASI PENYAKIT JANTUNG Antika, Rindi; Rifa’I, Ahmad; Dikananda, Fatihanursari; Indriya Efendi, Dendy; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8264

Abstract

Deteksi dini penyakit jantung merupakan tantangan besar dalam dunia medis karena seringkali terkait dengan rendahnya akurasi dalam mengklasifikasikan kondisi jantung. Banyak orang baru menyadari bahwa mereka menderita penyakit jantung ketika telah mencapai tahap yang sangat parah. Kondisi ini mengakibatkan penanganan medis terlambat dan berpotensi membahayakan nyawa. Rendahnya akurasi dalam mengklasifikasikan penyakit jantung menciptakan kesulitan, dimana model atau algoritma klasifikasi mungkin kesulitan membedakan dengan tepat antara jenis-jenis penyakit jantung yang berbeda. Pengembangan teknologi diagnostik merupakan faktor penting dalam meningkatkan kemampuan untuk mendeteksi kondisi jantung lebih awal. Oleh karena itu, upaya untuk meningkatkan akurasi dalam mengklasifikasikan penyakit jantung memegang peranan besar dalam penanganan yang lebih efektif. Studi ini akan menerapkan pendekatan Knowledge Discovery in Databases (KDD) yang melibatkan serangkaian langkah sistematis dalam melakukan analisis data. Dari hasil penerapan algoritma Decision Tree dalam klasifikasi penyakit jantung diperoleh Accuracy sebesar 93.44%, Recall sebesar 75%, Precision sebesar 90% dan F1-Score sebesar 81.81%. Dalam penelitian selanjutnya diharapkan untuk mencoba eksplorasi metode tuning hyperparameter pada algoritma decision tree untuk melihat apakah peningkatan performa lebih lanjut dapat dicapai. Dalam penelitian selanjutnya diharapkan mencoba eksplorasi penggunaan algoritma lain seperti Random Forest, Support Vector Machines (SVM), atau Neural Networks untuk melihat apakah terdapat peningkatan performa dalam klasifikasi penyakit jantung.
ANALISIS SENTIMEN TERHADAP MARKETPLACE MENGGUNAKAN ALGORITMA NAÏVE BAYES: STUDI KASUS: LAZADA INDONESIA Dikananda, Fatihanursari; Rinaldi Dikananda, Arif; Anwar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10965

Abstract

Penelitian ini menganalisis sentimen terhadap marketplace Lazada Indonesia menggunakan algoritma Naïve Bayes dengan teknik upsampling SMOTE. Marketplace menjadi platform penting dalam era digital, namun sering kali ulasan pengguna memiliki ketidakseimbangan dalam jumlah sentimen positif dan negatif, yang dapat mempengaruhi akurasi analisis. Data diambil dari Twitter API yang berisi 1.517 review. Algoritma Naïve Bayes diterapkan untuk analisis sentimen, dan teknik SMOTE digunakan untuk mengatasi ketidakseimbangan data. Hasil menunjukkan bahwa penerapan teknik SMOTE pada algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 81,89%, dibandingkan dengan 65,53% tanpa nandaSMOTE. Penelitian ini menyimpulkan bahwa teknik SMOTE efektif dalam meningkatkan akurasi analisis sentimen, dan Lazada mendapatkan tanggapan positif dari penggunanya, meskipun ada beberapa kesalahan klasifikasi yang perlu diperbaiki. Hasil ini menunjukkan bahwa masyarakat memiliki respon yang sangat baik terhadap Lazada. Meskipun demikian, masih terdapat prediksi klasifikasi yang melenceng dari kenyataan
Co-Authors Ahmad Faqih Antika, Rindi Gifthera Dwilestari Hoerunnisa, Anis Indriya Efendi, Dendy Khairul Akmal, Khairul Komalasari, Cahyaningrum Martanto Narasati, Riri Narasati Nasakh Pratama, Denni Rano Rifa’I, Ahmad Rinaldi Dikananda, Arif Saeful Anwar, Saeful Sulaeman, Muhamad Sunana, Heliyanti Susana, Heliyanti Wahyudin, Edi