Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Portal Riset dan Inovasi Sistem Perangkat Lunak Aksi Kita: Jurnal Pengabdian Kepada Masyarakat
Muji Lestari
Universitas Gunadarma
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Social Sciences Other

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

Found 2 Documents
Search

 1 
Optimalisasi Literasi Digital melalui Pelatihan Microsoft Word bagi Siswa SMA Pondok Pesantren Ma'had IbnusSabil Winda Widya Ariestya; Ida Astuti; Dina Suci Darwati; Muji Lestari; Amaran Sidhiq
Aksi Kita: Jurnal Pengabdian kepada Masyarakat Vol. 2 No. 1 (2026): JANUARI-FEBRUARI
Publisher : Indo Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/0mq6qe86

Abstract

Penguasaan aplikasi pengolah kata merupakan salah satu keterampilan literasi digital yang penting bagi siswa sekolah menengah, khususnya dalam mendukung penulisan akademik dan persiapan studi lanjut. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan Microsoft Word siswa SMA di Pondok Pesantren Ma’had IbnuSsabil dalam menyusun makalah, tugas sekolah, serta dokumen pendukung studi lanjut. Metode pelaksanaan kegiatan berupa pelatihan berbasis praktik langsung dengan materi mencakup pengaturan format dokumen, heading dan numbering, daftar isi otomatis, tabel dan gambar, serta pengetikan Arab-Latin dasar. Evaluasi dilakukan menggunakan kuesioner pre-test dan post-test terhadap 16 siswa peserta pelatihan. Hasil analisis deskriptif kuantitatif menunjukkan adanya peningkatan rata-rata kemampuan penulisan akademik sebesar 49% dan peningkatan kesiapan studi lanjut sebesar 53%. Temuan ini menunjukkan bahwa pelatihan Microsoft Word memberikan dampak positif terhadap peningkatan keterampilan literasi digital siswa.
Implementasi Algoritma K-NN, Decision Tree, dan Random Forest pada Sistem Deteksi Diabetes Melitus Muhamad Daniel Rivai; Topan Sukma Saputra; Nurasiah; Muji Lestari; Sandhi Prajaka; Ali Akbar
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.267

Abstract

Diabetes Melitus (DM) merupakan penyakit metabolik yang ditandai oleh peningkatan kadar glukosa darah akibat gangguan produksi maupun efektivitas kerja insulin. Sebagai salah satu masalah kesehatan yang terus mengalami peningkatan dan berpotensi menyebabkan komplikasi serius hingga kematian, diperlukan metode klasifikasi yang mampu mengidentifikasi faktor-faktor yang berkaitan dengan kejadian Diabetes Melitus secara akurat. Penelitian ini bertujuan menganalisis dan membandingkan kinerja algoritma K-Nearest Neighbors (KNN), Decision Tree, dan Random Forest dalam mengklasifikasikan data Diabetes Melitus berdasarkan sejumlah atribut, meliputi usia, jenis kelamin, polyuria, polydipsia, polyphagia, sudden weight loss, weakness, genital thrush, visual blurring, itching, irritability, delayed healing, partial paresis, muscle stiffness, alopecia, dan obesity. Metode penelitian dilakukan melalui penerapan ketiga algoritma dengan evaluasi berdasarkan akurasi, presisi, recall, F1-Score, dan Area Under Curve (AUC). Hasil pengujian menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 92,16%, presisi 91,89%, recall 97,14%, F1-Score 94,44%, dan AUC 0,9768. Nilai tersebut lebih tinggi dibandingkan Decision Tree dengan akurasi 88,24% dan AUC 0,8464 serta KNN dengan akurasi 74,51% dan AUC 0,8393. Dengan demikian, Random Forest merupakan algoritma paling optimal dalam mengklasifikasikan dan membedakan pasien Diabetes Melitus berdasarkan atribut yang digunakan.
Co-Authors Ali Akbar Amaran Sidhiq Dina Suci Darwati Ida Astuti Muhamad Daniel Rivai Nurasiah Sandhi Prajaka Topan Sukma Saputra Winda Widya Ariestya