Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal INOVTEK Polbeng - Seri Informatika Jurnal Computer Science and Information Technology (CoSciTech) Journal of Comprehensive Science Malcom: Indonesian Journal of Machine Learning and Computer Science Journal Of Artificial Intelligence And Software Engineering INOVTEK Polbeng - Seri Informatika
kurnia, fitra
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Diagnosis Dini Penyakit Gagal Ginjal Dengan Metode Dempster Fakhira, Adzra; Insani, Fitri; Irsyad, Muhammad; Vitriani, Yelfi; Kurnia, Fitra
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3728

Abstract

Terlambatmendeteksipenyakitgagalginjalakanberakibatseriuskarenadiagnosisbiasanya terjadiketika masalah ginjal sudah mencapai tingkat parah. Seperti yang telah terjadi di Indonesia pada tahun 2022 lalu, terdapat 324 kasus terkonfirmasi dan 195 diantaranya meninggal dunia. Hal yang mempengaruhiketerlambatankesadaranpenderitaadalahpengetahuanyangkurangterhadapbahayapenyakit gagal ginjal. Penyakit gagal ginjal dapat disebabkan oleh dehidrasi, penyakit kronis seperti hypertensi dan diabetes, serta kekurangan banyak darah akibat  cedera atau operasi. Penggunaan teknologi dapat terwujud melalui pembuatan sistem pakardengan metode Dempster Shafer guna mendiagnosis penyakit gagal ginjal.Dalam sistem pakardiagnosis dini penyakit gagal ginjal ini penggunadiperintahkan agar mengisi data diri singkatdan gejala-gejala yang dialami. Selanjutnya sistem akan mengkombinasi gejala yang telahdipilih dengan metode Dempster Shafer menggunakan teori kepercayaan pakar sehingga mendapatkan hasil diagnosis berupa persentase pengguna mengidap penyakit gagal ginjal akut atau kronis, dan solusi untuk tindakan pengguna berikutnya. Penelitian ini telah menghasilkan sistem yang mampu mendiagnosis penyakit gagal ginjal dan dapat diterima dengan baik oleh pengguna
Retrieval-Augmented Generation in a Web-Based Question Answering System for Fiqh Books Ahadi, Ridho; Harahap, Nazruddin Safaat; Fikry, Muhammad; Kurnia, Fitra
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7005

Abstract

Mayoritas masyarakat Indonesia yang beragama Islam cenderung tidak mengetahui madzhab yang mereka anut, padahal pemahaman madzhab sangat penting untuk menjalankan ibadah secara benar dan sah. Salah satu madzhab yang berkembang di Indonesia, terutama melalui ulama Hadramaut, adalah madzhab Imam Asy-Syafi’i. Kurangnya akses terhadap literatur fikih otentik serta metode pembelajaran interaktif menyebabkan masyarakat kesulitan memahami fikih secara mendalam. Perkembangan teknologi kecerdasan buatan (AI), memberikan dampak signifikan dalam berbagai aspek, termasuk pendidikan dan keagamaan. Salah satu implementasi AI yang berkembang adalah chatbot, sistem interaktif berbasis percakapan yang mampu memahami dan merespons pertanyaan secara alami. Dalam konteks pembelajaran keislaman, khususnya fikih, penggunaan chatbot AI menghadirkan peluang baru untuk pembelajaran yang lebih personal dan interaktif. Fikih sebagai cabang ilmu hukum Islam menuntut pemahaman mendalam terhadap sumber klasik dan aplikasinya dalam kehidupan modern. Penelitian ini memiliki tujuan untuk mengembangkan sistem tanya jawab fikih berbasis AI dan Natural Language Processing menggunakan Large Language Model (LLM), framework LangChain, serta metode Retrieval-Augmented Generation (RAG). Sistem ini dirancang memberikan jawaban relevan berdasarkan konteks fikih. Evaluasi menggunakan metrik BERTScore menghasilkan precision 86,50%, recall 84,76%, dan F1-score 85,52%, hasil ini menunjukkan akurasi tinggi dalam menjawab pertanyaan fikih.
Application of ARIMA and ARIMAX Methods to Predict the Number of Visitors to Hotel XYZ Pekanbaru Vernando, Julio; Insani, Fitri; Okfalisa, Okfalisa; Kurnia, Fitra
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 2 (2025): July
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/enrfna19

Abstract

Predicting the number of visitors to Hotel XYZ is one of the steps that can be taken by the hotel to find out how many visitors will increase in each upcoming holiday season. The purpose of this study is to forecast the number of visitors to Hotel XYZ from June 2023 to July 2024 using the ARIMA and ARIMAX comparison methods. The research methodology encompasses problem identification, data collection, data processing, and ARIMA and ARIMAX analysis, which involves testing the parameters (p, d, q) selected based on the ACF and PACF using the AIC Model. Based on the test results, ARIMAX (5, 0, 3) has the lowest AIC, which is 3495.2, followed by ARIMAX (3, 0, 5), which has a slightly higher AIC. The results showed that the ARIMAX (5, 0, 3) model is the most accurate model for predicting data (eg the number of hotel guests, room demand, or income), with an RMSE value of 15.80% and a MAPE of 18.90%. Therefore, research that applies the ARIMAX model can provide real benefits in supporting operational efficiency, resource management, and hotel business strategy, ultimately increasing the competitiveness and profitability of the hotel.
Sistem Pakar Mendiagnosis Penyakit pada Tanaman Jeruk Menggunakan Metode Dempster Shafer Elsilaturrahmi, Elsilaturrahmi; Kurnia, Fitra; Haerani, Elin; Mai Candra , Reski
Journal of Comprehensive Science Vol. 2 No. 1 (2023): Journal of Comprehensive Science (JCS)
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jcs.v2i1.224

Abstract

Tanaman jeruk termasuk pada komoditas unggulan nasional yang berperan dalam meningkatkan devisa negara. Namun, berbagai penyakit seringkali menyererang tanaman jeruk sehingga diperlukan suatu sistem untuk mendignosis penyakit pada tanaman jeruk. Penelitian ini bertujuan untuk menganalisis sistem pakar dalam mendiagnosis penyakit pada tanaman jeruk. Penelitian ini menggunakan metode Demster Shafer. Hasil penelitian dapat disimpulkan bahwa dengan penelitian yang dilakukan dapat dipahami konsep dan penerapan dari metode Dempster Shafer dalam mendiagnosis penyakit tanaman jeruk.
Implementasi Algoritma Random Forest pada Web-App Sebagai Instrumen Deteksi Dini Penyakit Diabetes Fauzan, Habibul; Haerani, Elin; Kurnia, Fitra; Yanti, Novi
Computer Science and Information Technology Vol 7 No 1 (2026): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v7i1.11261

Abstract

Diabetes is a chronic metabolic disease and one of the leading causes of death worldwide, with the number of sufferers projected to reach 1.3 billion by 2050. Delayed diagnosis remains a primary challenge, as nearly half of those affected are unaware of their condition in the early stages, thereby increasing the risk of fatal complications. Data mining approaches using classification algorithms have been widely utilized for early screening. However, the development of medical record models is often hindered by imbalanced data, which causes models to be biased toward the majority class and reduces detection sensitivity for the minority class (patients with diabetes). Furthermore, there is a lack of research integrating these predictive models into responsive application interfaces for end-users. Consequently, this study implements Random Forest optimized with the SMOTE (Synthetic Minority Over-sampling Technique) into a web-based application to serve as a practical early detection tool. Random Forest was selected for its ability to handle complex data and reduce the risk of overfitting. The research stages include data preprocessing, balancing training data using SMOTE, model parameter adjustment through hyperparameter tuning with Grid Search, and the development of a client-server architecture using AstroJS and Flask. The evaluation results demonstrate that the use of SMOTE significantly improves the model's ability to identify the minority class. The model achieved a Recall of 75.0% and an overall accuracy of 95.8%, effectively minimizing False Negative errors. The developed application was verified through Black Box Testing and was declared successful as a responsive and accessible early detection tool for both healthcare professionals and the general public.
Penerapan Squeeze-and-Excitation Attention pada DenseNet169 untuk Klasifikasi Multi-Kelas Citra X-Ray Dada: Squeeze-and-Excitation Attention on DenseNet169 for Multi-Class Classification of Chest X-Ray Images Daulay, Lyra Zulyanda; Negara, Benny Sukma; Vitriani, Yelfi; Iskandar, Iwan; Kurnia, Fitra
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2665

Abstract

Citra X-ray dada (CXR) ialah satu dari metode pencitraan medis yang banyak diterapkan guna mendeteksi banyak penyakit paru diantaranya COVID-19 serta pneumonia. Meskipun model deep learning yang basisnya Convolutional Neural Network (CNN) sudah banyak diterapkan untuk klasifikasi citra medis, model CNN konvensional masih memiliki keterbatasan dalam menyoroti fitur penting pada citra yang memiliki kompleksitas tinggi serta kemiripan pola antar kelas penyakit. Kondisi tersebut dapat menyebabkan model kesulitan dalam mengekstraksi fitur yang paling relevan untuk proses klasifikasi. Oleh sebab itu, penelitian mengusulkan penerapan attention mechanism berupa modul Squeeze-and-Excitation (SE) pada arsitektur DenseNet169 guna meningkatkan kemampuan model dalam menekankan fitur penting dari CXR. Kontribusi utama penelitian ini adalah menganalisis pengaruh mekanisme attention terhadap peningkatan kualitas ekstraksi fitur pada klasifikasi multi-kelas citra CXR. Dataset diterapkan pada penelitian ini terdiri dari 3.000 citra yang diklasifikasikan kedalam tiga kelas yakni Normal, COVID-19, serta Pneumonia dengan pembagian data sebesar 80% untuk pelatihan dan 20% untuk validasi. Pelatihan model menggunakan optimizer Adam. Evaluasi model menggunakan confusion matrix dengan accuracy, precision, recall, dan F1 score. Temuan eksperimen mengindikasi bahwasanya model DenseNet169 baseline memperoleh akurasi senilai 95,8%, sedangkan model DenseNet169 dengan modul SE mencapai akurasi 96,5%. Temuan ini menegaskan bahwa SE meningkatkan representasi fitur sehingga performa klasifikasi lebih optimal.
Co-Authors Ahadi, Ridho Daulay, Lyra Zulyanda Elin Haerani Elsilaturrahmi, Elsilaturrahmi Fakhira, Adzra Fauzan, Habibul Fitri Insani Iwan Iskandar Mai Candra , Reski Muhammad Fikry Muhammad Irsyad Nazruddin Safaat H Negara, Benny Sukma Novi Yanti Okfalisa Okfalisa Vernando, Julio Vitriani, Yelfi