Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jifosi
Kusumantara, Prisa Marga
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
METODE FORWARD CHAINING DENGAN CERTAINTY FACTOR PADA SISTEM PAKAR ORTHODONTI KASUS MALOKLUSI Fariska, Rahmah Putri; Kusumantara, Prisa Marga; Arifiyanti, Amalia Anjani
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (446.532 KB)

Abstract

Kurangnya kesadaran masyarakat tentang kesehatan gigi, menyebabkan banyak masyarakat yang kurang mengetahui tentang permasalahan gigi dan mulut serta berapa besar masalah yang akan ditimbulkan. Salah satu permasalahan gigi yang kerap dijumpai adalah tidak ratanya struktur gigi atau disebut dengan maloklusi. Gangguan yang dapat terjadi pada kasus maloklusi adalah adanya ketegangan pada otot-otot rahang dan mulut yang berakibat pada terganggunya gerakan saat mengunyah makanan. Kondisi ini beresiko menyebabkan adanya fraktur gigi. Deteksi dini terhadap kasus maloklusi perlu dilakukan sehingga dapat membantu dalam mengurangi tingkat keparahan gangguan akibat gigi tidak rata. Penelitian ini mendalami bagaimana mendetekasi gejala awal maloklusi dengan melakukan proses anamnesa dengan dibantu oleh sistem berbasis pakar. Sistem pakar dikembangkan menggunakan metode Forward Chaining serta Certainty Factor. Sistem ini melakukan proses anamnesa dengan menanyakan gejala yang dirasakan, lalu dihitung hasil jawaban dari pertanyaan tersebut sehingga menghasilkan hasil anamnesa sementara. Penelitian ini telah diuji dengan 30 kasus maloklusi. Evaluasi dilakukan dengan membandingkan hasil sistem dengan hasil pemeriksaan klinis dokter. Hasilnya tingkat keakurasian sistem sebesar 76.6%.
KOMPARASI PERFORMA MODEL BERBASIS ALGORITMA RANDOM FOREST DAN LIGHTGBM DALAM MELAKUKAN KLASIFIKASI DIABETES MELITUS GESTASIONAL Prasetyo, Bagus Rizky; Wahyuni, Eka Dyar; Kusumantara, Prisa Marga
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4817

Abstract

Diabetes melitus gestasional (DMG) merupakan suatu kondisi yang ditandai dengan adanya kenaikan level dalam kandungan gula darah seorang ibu pada masa kehamilan. Ibu yang terindikasi menderita diabetes melitus gestasional berpotensi mengidap beberapa komplikasi serius apabila tidak ditangani dengan baik. Deteksi dini melalui penggunaan data rekam medis dilakukan sebagai langkah preventif pencegahan komplikasi dikemudian hari. Kerangka kerja CRISP-DM digunakan dalam pembangunan model. Data diperoleh dari poli kandungan Rumah Sakit Islam Surabaya Jemursari dengan jumlah 270 baris dan 20 kolom. Setelah melalui fase persiapan data, tersisa 267 baris dan 11 kolom yang digunakan untuk pembuatan model. Pemodelan dilakukan dalam 18 skenario. Skenario terbaik merupakan random forest parameter default dengan penanganan class imbalance menggunakan ADASYN pada proporsi data 70:30. Model tersebut menghasilkan accuracy sebesar 88%, precision sebesar 27%, recall sebesar 100%, dan f1 sebesar 43%.Keywords: Random Forest; LightGBM; Diabetes Melitus Gestasional; Klasifikasi
KOMPARASI PERFORMA MODEL BERBASIS ALGORITMA RANDOM FOREST DAN LIGHTGBM DALAM MELAKUKAN KLASIFIKASI DIABETES MELITUS GESTASIONAL Prasetyo, Bagus Rizky; Wahyuni, Eka Dyar; Kusumantara, Prisa Marga
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4817

Abstract

Diabetes melitus gestasional (DMG) merupakan suatu kondisi yang ditandai dengan adanya kenaikan level dalam kandungan gula darah seorang ibu pada masa kehamilan. Ibu yang terindikasi menderita diabetes melitus gestasional berpotensi mengidap beberapa komplikasi serius apabila tidak ditangani dengan baik. Deteksi dini melalui penggunaan data rekam medis dilakukan sebagai langkah preventif pencegahan komplikasi dikemudian hari. Kerangka kerja CRISP-DM digunakan dalam pembangunan model. Data diperoleh dari poli kandungan Rumah Sakit Islam Surabaya Jemursari dengan jumlah 270 baris dan 20 kolom. Setelah melalui fase persiapan data, tersisa 267 baris dan 11 kolom yang digunakan untuk pembuatan model. Pemodelan dilakukan dalam 18 skenario. Skenario terbaik merupakan random forest parameter default dengan penanganan class imbalance menggunakan ADASYN pada proporsi data 70:30. Model tersebut menghasilkan accuracy sebesar 88%, precision sebesar 27%, recall sebesar 100%, dan f1 sebesar 43%.Keywords: Random Forest; LightGBM; Diabetes Melitus Gestasional; Klasifikasi
Co-Authors Amalia Anjani Arifiyanti Fariska, Rahmah Putri Prasetyo, Bagus Rizky Wahyuni, Eka Dyar