Article Per Year (5 Year)
p-Index From 2020 - 2025
1.564
P-Index
This Author published in this journals
All Journal Jurnal technoscientia JAST : Jurnal Aplikasi Sains dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Restikom : Riset Teknik Informatika dan Komputer JiTEKH (Jurnal Ilmiah Teknologi Harapan) Rambideun : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Networking and Security - IJNS J-Intech (Journal of Information and Technology)
Rizza Muhammad Arief
Sistem Informasi, Universitas Merdeka Malang, Indonesia
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Restikom : Riset Teknik Informatika dan Komputer

 1 
A Rancang Bangun Sistem Informasi Kepegawaian dan Inventaris Di Universitas Merdeka Malang Berbasis Web Menggunakan Framework Codeigniter Firnanda Al-Islama Achyunda Putra; Andriyan Rizki Jatmiko; Rizza Muhammad Arief Arief; Muhamat Ilham Ardiansa Ardiansa
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 5 No 2 (2023): Agustus
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v5i2.149

Abstract

Teknologi dan Sistem Informasi menjadi elemen krusial dalam manajemen organisasi atau perusahaan, terutama dalam hal pengelolaan sumber daya. Penerapan sistem informasi dalam manajemen sumberdaya dapat membantu suatu organisasi dalam hal efektivitas, efisiensi, akurasi, dan penyimpanan data. Universitas Merdeka Malang (Unmer) adalah salah satu institusi pendidikan tinggi swasta di Indonesia yang berlokasi di Kota Malang, Jawa Timur. Didirikan pada tahun 1964, Unmer memiliki komitmen untuk menyediakan pendidikan berkualitas tinggi dan berkontribusi terhadap pengembangan ilmu pengetahuan dan teknologi. Saat ini sistem informasi yang membahas terkait kepegawaian dan Inventaris ruangan masih belum dimiliki oleh Universitas. Penelitian ini bertujuan untuk merancang system informasi berbasis WEB dengan menggunakan framework Codeigniter. Penelitian ini bertujuan untuk membuat atau merancang sebuah system informasi yang dapat menghandle beberapa kebutuhan seperti inventaris, penjadwalan rapat, penjadwalan ruangan dan juga absensi. Hasil dari penelitan ini dapat digunakan sebagai acuan untuk peneliti selanjutnya jika ingin mengembangkan system informasi yang lebih kompleks.
Pemodelan Deteksi Dini Gejala Penyakit Sirosis Hati Menggunakan Machine Learning Dengan Pendekatan Supervised Learning Rizza Muhammad Arief; Divira Salsabiil Susanto
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 6 No 2 (2024): Agustus 2024
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v6i2.317

Abstract

Sirosis hati merupakan konsekuensi serius dari hepatitis kronis yang dapat mengakibatkan komplikasi fatal. Deteksi dini sirosis hati sangat penting untuk meningkatkan prognosis dan mengurangi risiko komplikasi. Namun, gejalanya seringkali tidak spesifik, menyulitkan diagnosis pada tahap awal. Penelitian ini menggunakan dataset dari Mayo Clinic untuk menganalisis sirosis hati dengan tiga model machine learning: K-Nearest Neighbors (KNN), Naive Bayes, dan Support Vector Machine (SVM). Hasilnya menunjukkan bahwa model KNN memiliki akurasi tertinggi (92.04%), menunjukkan kemampuan yang efektif dalam mengklasifikasikan sirosis hati. Berdasarkan confusion matrix, KNN mampu mengklasifikasikan dengan tepat pasien yang menderita sirosis hati, dengan sedikit kesalahan dalam mengidentifikasi kelas yang berbeda. Sebagai perbandingan, model Naive Bayes menunjukkan performa yang lebih rendah dengan akurasi 52.14%, sementara SVM memiliki akurasi sebesar 81.88%. Dalam konteks deteksi dini sirosis hati, model KNN menonjol sebagai pilihan terbaik karena akurasinya yang tinggi dan kemampuannya dalam mengklasifikasikan pasien dengan benar. Langkah-langkah preprocessing data, seperti normalisasi dan one-hot encoding, juga berperan penting dalam meningkatkan kinerja model. Penemuan ini memberikan landasan penting untuk pengembangan sistem deteksi dini yang lebih baik untuk sirosis hati, sehingga memungkinkan intervensi medis yang tepat waktu dan peningkatan prognosis pasien.
Co-Authors Achyunda Putra, Firnanda Al-Islama Achyunda Putra Andriyan Rizki Jatmiko Arifin, Yulia Natasya Farah Diba Bekti Prihatiningsih Divira Salsabiil Susanto Fita Dwi Novitasari Fita Dwi Novitasari Galih Sulaksono, Aditya Hendrawan, Nofrian Deny Kartikawati, Modesta Inda Karyudi, Mochammad Daffa Putra Klementinus Betan, Yulianus Muhamat Ilham Ardiansa Ardiansa Pramaditya, Himawan Putra, Firnanda Al Islama Achyunda Yulia Natasya Farah Diba Arifin