Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Infotech: Jurnal Informatika & Teknologi
Nibras Faiq Muhammad
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta. Jl. Bhayangkara No.55, Tipes, Kec. Serengan, Kota Surakarta, Jawa Tengah - Indonesia 57154
Computer Science & IT Control & Systems Engineering Energy Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi diabetes mellitus pada remaja perempuan menggunakan Algoritma Naïve Bayes Pipin Tri Hastuti; Bondan Wahyu Pamekas; Nibras Faiq Muhammad
INFOTECH : Jurnal Informatika & Teknologi Vol 7 No 2 (2026): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v7i2.2437

Abstract

Diabetes Mellitus termasuk penyakit tidak menular dengan peningkatan kasus yang cukup signifikan pada usia remaja, khususnya remaja perempuan. Perubahan hormonal selama masa remaja, pola hidup kurang sehat, serta riwayat kesehatan tertentu dapat meningkatkan risiko terjadinya Diabetes Mellitus pada remaja perempuan. Tingginya risiko Diabetes Mellitus pada remaja perempuan mendorong perlunya pendekatan yang dapat mendukung identifikasi dini secara efektif dan akurat. Penelitian ini bertujuan membangun model klasifikasi Diabetes Mellitus pada remaja perempuan yang memanfaatkan algoritma Naïve Bayes. Penelitian ini menerapkan metode Knowledge Discovery in Databases dimulai dari pemilihan atribut data, pengolahan awal data, pembentukan model klasifikasi, hingga evaluasi kinerja model. Evaluasi model dilakukan menggunakan Stratified 10-Fold Cross Validation dengan Classification Report. Dataset yang digunakan merupakan dataset kesehatan remaja perempuan yang bersifat publik dan terdiri atas 1.879 data dengan tujuh atribut independen dan satu atribut dependen. Hasil menunjukkan model Naïve Bayes menghasilkan accuracy sebesar 83,82%, precision 83,87%, recall 83,82%, dan f1-score 83,80%. Hasil tersebut menunjukkan algoritma Naïve Bayes memiliki kemampuan yang baik dalam mengklasifikasikan Diabetes Mellitus pada remaja perempuan serta berpotensi diterapkan sebagai pendukung sistem deteksi dini Diabetes Mellitus berbasis machine learning.
Klasifikasi penyakit scabies pada sapi menggunakan metode Naïve Bayes Sri Lestari; Bondan Wahyu Pamengkas; Nibras Faiq Muhammad
INFOTECH : Jurnal Informatika & Teknologi Vol 7 No 2 (2026): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v7i2.2438

Abstract

Penyakit scabies pada sapi merupakan salah satu masalah kesehatan yang dapat memengaruhi produktivitas ternak. Penelitian ini dilakukan dengan tujuan untuk mengklasifikasikan penyakit scabies pada sapi menggunakan algoritma Naïve Bayes. Sebanyak 1500 dataset dengan 6 atribut yang terdiri dari jenis kelamin, usia, ruam, kerontokan bulu, kerak pada kulit, hasil tes. Proses klasifikasi Penelitian ini menerapkan tahapan menggunakan tahapan Knowledge Discovery in Databases (KDD). Berdasarkan hasil pengujian yang dilakukan, metode Naïve Bayes mampu memberikan hasil klasifikasi yang baik dengan tingkat akurasi tertinggi mencapai 87,00% pada percobaan ke-20. Evaluasi menggunakan Hasil confusion matrix dan classification report memperlihatkan bahwa model memiliki nilai precision, recall, dan f1-score yang cukup seimbang pada setiap kelas pengujian. Berdasarkan hasil tersebut, metode Naïve Bayes terbukti efektif dan mampu menghasilkan klasifikasi penyakit scabies pada sapi dengan tingkat akurasi yang baik.
Co-Authors Bondan Wahyu Pamekas Bondan Wahyu Pamengkas Pipin Tri Hastuti Sri Lestari