Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Journal of Social Sciences and Technology for Community Service
Rohmi Dyah Astuti
Institut Teknologi Sumatera
Humanities Computer Science & IT Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Kinerja XGBoost dengan Penanganan Imbalanced Dataset Menggunakan SMOTE-Tomek pada Klasifikasi Penyakit Diabetes Rohmi Dyah Astuti; Christyan Tamaro Nadeak; Ade Lailani
Jurnal Sarjana Teknik Informatika Vol. 14 No. 2 (2026): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v14i2.32255

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis yang mengalami peningkatan jumlah penderita secara signifikan dalam beberapa tahun terakhir dan memerlukan deteksi dini yang akurat. Ketepatan dalam proses klasifikasi penyakit diabetes sangat penting untuk membantu penanganan medis dan mengurangi risiko komplikasi pada pasien. Namun, permasalahan ketersediaan data yang tak seimbang pada data kesehatan seringkali menyebabkan model klasifikasi menjadi bias terhadap kelas mayoritas dimana jumlah penderita diabetes lebih sedikit dibanding jumlah bukan penderita diabetes. Penelitian ini bertujuan untuk menganalisis performa algoritma XGBoost dengan penerapan metode SMOTE-Tomek dalam menangani ketidakseimbangan data pada klasifikasi penyakit diabetes. Dataset yang digunakan terdiri dari 5288 data dengan 14 fitur merupakan faktor-faktor pendukung resiko terkena penyakit diabetes. Proses penelitian meliputi prapemrosesan data, pembagian data latih dan data uji, penanganan imbalanced dataset menggunakan SMOTE-Tomek, pelatihan model XGBoost dengan hyperparameter tuning menggunakan GridSearchCV, serta evaluasi model menggunakan metrik akurasi, precision, recall, F1-score, dan ROC-AUC. Dengan pembagian data latih dan data uji sebesar 80:20, hasil penelitian menunjukkan bahwa tanpa penanganan data tidak seimbang, model menghasilkan nilai precision sebesar 0,61, recall sebesar 0,30, dan F1-score sebesar 0,40 pada kelas minoritas. Setelah penerapan SMOTE-Tomek, nilai recall dan F1-score meningkat menjadi 0,45, meskipun precision menurun menjadi 0,45. Selain itu, nilai ROC-AUC meningkat dari 0,64 menjadi 0,70, yang menunjukkan peningkatan kemampuan model dalam membedakan kelas. Dengan demikian, kombinasi SMOTE-Tomek dan XGBoost terbukti mampu meningkatkan performa model dalam menangani dataset tidak seimbang, khususnya dalam mendeteksi kelas minoritas pada kasus klasifikasi penyakit diabetes.
Peningkatan Kompetensi Web Modern melalui Pelatihan Framework Next.js bagi siswa SMKN 7 Bandar Lampung Febri Dwi Irawati; Mika Alvionita Sitinjak; Ardika Satria; Ahmad Luky Ramdani; Ira Safitri; Tirta Setiawan; Luluk Muthoharoh; Rohmi Dyah Astuti; Yoga Aji Sukma; Dimas Dwi Randa; Vina Nurmadani; Yustida Bellini
Journal Social Science And Technology For Community Service Vol. 7 No. 1 (2026): Volume 7 Nomor 1 Maret 2026
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v7i1.1689

Abstract

Kesenjangan kompetensi siswa Sekolah Menengah Kejuruan (SMK) dengan kebutuhan industri pengembangan perangkat lunak yang dinamis menjadi latar belakang utama pelaksanaan pengabdian ini. Framework Next.js, sebagai teknologi modern berbasis React, dipilih untuk meningkatkan kapasitas teknis siswa dalam membangun aplikasi web modern dan berkinerja tinggi. Kegiatan ini bertujuan untuk meningkatkan pemahaman dan keterampilan praktis siswa SMKN 7 Bandar Lampung melalui metode project-based learning. Subjek pengabdian terdiri dari 56 siswa yang dievaluasi menggunakan instrumen pre-test dan post-test. Analisis data dilakukan secara komprehensif menggunakan statistika deskriptif dan inferensia non-parametrik Wilcoxon Signed-Rank Test karena distribusi data yang tidak normal (p < 0,05). Hasil analisis menunjukkan adanya peningkatan skor rata-rata yang signifikan dari 28,39 menjadi 37,04. Wilcoxon test menghasilkan nilai statistik V = 3 dengan signifikansi p < 0,001, yang mengonfirmasi adanya perbedaan kompetensi yang nyata setelah intervensi diberikan. Selain itu, capaian effect size sebesar 0,571 (kategori besar) memperkuat bukti bahwa metode pelatihan berbasis praktik efektif dalam mereduksi disparitas pemahaman siswa, terutama pada indikator inisiasi proyek dan struktur folder. Kesimpulannya, pelatihan ini berhasil mentransformasi pengetahuan siswa dari kategori ragu-ragu menjadi paham, sekaligus memberikan fondasi teknologi yang relevan dengan standar industri terkini.
Co-Authors Ade Lailani Ardika Satria Christyan Tamaro Nadeak Dimas Dwi Randa Febri Dwi Irawati Ira Safitri Luluk Muthoharoh Mika Alvionita Sitinjak Ramdani, Ahmad Luky Tirta Setiawan Vina Nurmadani Yoga Aji Sukma Yustida Bellini