Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah FIFO Journal of Business Management and Islamic Banking
Dicky Octaviano
Universitas Bina Sarana Informatika
Computer Science & IT Economics, Econometrics & Finance Education

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

Found 3 Documents
Search

 1 
Diagnosis Kanker Paru-paru Berbasis Data Klinis: Evaluasi Performa Algoritma Pembelajaran Mesin Riska Kurnia Septiani; Zulfati Dinul Fatiha; Dicky Octaviano
Jurnal Ilmiah FIFO Vol. 18 No. 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2026.v18i1.006

Abstract

Kanker paru-paru adalah salah satu penyakit paling mematikan di dunia, menyebabkan lebih dari 1,76 juta kematian setiap tahunnya menurut WHO pada tahun 2020. Deteksi dini menjadi krusial dalam meningkatkan prognosis pasien, namun sering kali menantang karena gejala awal yang tidak spesifik. Dalam beberapa tahun terakhir, teknologi medis dan komputasi telah menghadirkan peluang baru dengan memanfaatkan pembelajaran mesin, terutama deep learning, untuk meningkatkan diagnosa kanker paru-paru. Studi ini mengevaluasi beberapa algoritma Machine Learning seperti K-Nearest Neighbors (k-NN), Logistic Regression, Naïve Bayes, Support Vector Machine (SVM), dan Neural Network berdasarkan data klinis untuk memprediksi kanker paru-paru. Hasil evaluasi menunjukkan bahwa k-NN dan Neural Network memiliki performa terbaik dengan akurasi mencapai 0.92, sementara Naïve Bayes dan Neural Network menunjukkan presisi tertinggi untuk kelas kanker paru-paru (0.94). Logistic Regression dan SVM juga memberikan hasil yang baik, meskipun dengan variasi dalam presisi dan recall untuk kedua kelas. Penelitian ini memberikan wawasan penting untuk pengembangan sistem pendukung keputusan di bidang medis, dengan potensi untuk meningkatkan diagnosis dini, pengelolaan, dan prognosis kanker paru-paru secara efektif, serta mengurangi beban penyakit dan meningkatkan kualitas hidup pasien di masa depan. Implementasi pembelajaran mesin di sektor kesehatan menunjukkan bahwa teknologi ini dapat menjadi alat yang sangat berharga dalam mendeteksi dan mengelola penyakit serius seperti kanker paru-paru.
Maqasid Al Shariah Framework for Cybersecurity Risk Management and Data Protection in Global Islamic Banking Bintang Junita; Muhammad Senoyodha Brennaf; Dicky Octaviano; Zulfati Dinul Fatiha
Journal of Business Management and Islamic Banking Vol.5 No.1 (2026)
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jbmib.2026.0501-05

Abstract

Purpose— This study investigates the influence of cybersecurity risk management and data protection governance on Islamic Financial Institutions (IFIs) through the lens of Maqasid Al Shariah. As IFIs accelerate digitalisation, safeguarding the ummah's financial and personal data has become both a Shariah imperative and a strategic priority. Variables examined include regulatory framework maturity, Shariah governance integration, incident management capacity, data protection mechanisms, and AI governance across five major jurisdictions. Design/methodology/approach— A qualitative comparative analysis (QCA) is employed across Malaysia, the UAE, Saudi Arabia, Indonesia, and the United Kingdom. Secondary data encompass regulatory publications (2019–2024), IFI annual reports, IFSB GN 6 (2021) standards, and global cybersecurity incident databases from IBM, IMF, and Interpol. Findings— Significant jurisdictional heterogeneity in cybersecurity maturity is revealed. Malaysia (Maqasid Alignment Score/MAS: 4.4) and the UK (MAS: 4.0) exhibit the strongest Maqasid alignment, while Indonesia (MAS: 3.1) and Saudi Arabia (MAS: 3.5) show emerging profiles. A critical universal gap is identified: no jurisdiction formally mandates Shariah Supervisory Board (SSB) engagement in technology risk governance. Research implication/limitation—The analysis is confined to five jurisdictions and qualitative comparative data. Future studies should apply quantitative methods and extend to additional markets. Results offer actionable guidance for regulators, Shariah boards, and IFI management in formulating cybersecurity strategies aligned with Islamic ethical obligations. Originality/value—This study constructs the first systematic Maqasid cybersecurity mapping matrix applicable to global IFIs, bridging classical Islamic jurisprudence and contemporary digital governance scholarship, and explicitly compared with established secular frameworks National Institute of Standards and Technology Cybersecurity Framework (NIST CSF) 2.0, ISO/IEC 27001:2022, and Control Objectives for Information and Related Technologies (COBIT) 2019.
Implementasi Algoritma Neural Network untuk Deteksi Penipuan Transaksi Kartu Kredit Kurnia Prayogi; Dicky Octaviano; Zulfati Dinul Fatiha
Jurnal Ilmiah FIFO Vol. 18 No. 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2026.v18i1.008

Abstract

Penelitian ini mengevaluasi performa lima algoritma supervised learning untuk deteksi penipuan kartu kredit menggunakan dataset 690 data dari Kaggle dengan teknik Random Oversampling (ROS). Model seperti k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Logistic Regression, Neural Network, dan Ensemble menunjukkan tingkat akurasi rata-rata antara 80% hingga 90% dalam mendeteksi penipuan. Kontribusi penelitian ini adalah menyediakan perbandingan sistematis beberapa algoritma klasifikasi pada dataset yang sama dengan teknik penyeimbangan data. Hasil uji coba dengan teknik random oversampling menunjukkan bahwa Neural Network (aktivasi SELU dan RELU), mencapai kinerja terbaik dengan accuracy 90%, precision 86%, recall 94%, dan nilai f1-score 90%. Pendekatan Neural Network dengan random oversampling terbukti efektif dalam meningkatkan ketepatan prediksi terhadap penipuan dalam transaksi finansial dibandingkan dengan pendekatan tanpa penggunaan sampling. Keterbatasan penelitian ini adalah ukuran dataset yang kecil (690 data) yang dapat mempengaruhi kemampuan generalisasi model.
Co-Authors Bintang Junita Kurnia Prayogi Muhammad Senoyodha Brennaf Riska Kurnia Septiani Zulfati Dinul Fatiha Zulfati Dinul Fatiha