Claim Missing Document
Check
Articles

Found 5 Documents
Search

Machine learning algorithm for improving performance on 3 AQ-screening classification Pratama, Taftazani Ghazi; Hartanto, Rudy; Setiawan, Noor Akhmad
Communications in Science and Technology Vol 4 No 2 (2019)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.516 KB) | DOI: 10.21924/cst.4.2.2019.118

Abstract

Autism Spectrum Disorder (ASD) classification using machine learning can help parents, caregivers, psychiatrists, and patients to obtain the results of early detection of ASD. In this study, the dataset used is the autism-spectrum quotient for child, adolescent and adult, namely AQ-child, AQ-adolescent, AQ-adult. This study aims to improve the sensitivity and specificity of previous studies so that the classification results of ASD are better characterized by the reduced misclassification. The algorithm applied in this study: support vector machine (SVM), random forest (RF), artificial neural network (ANN). The evaluation results using 10-fold cross validation showed that RF succeeded in producing higher adult AQ sensitivity, which was 87.89%. The increase in the specificity level of AQ-Adolescents is better produced using an SVM of 86.33%.
RANCANG BANGUN SISTEM REKOMENDASI BUKU BERBASIS ITEM-BASED COLLABORATIVE FILTERING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS Saputra, Vernanda Sam; Ridwan, Achmad; Pratama, Taftazani Ghazi
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5995

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning.
Rancang Bangun Sistem Rekomendasi Buku Berbasis Item-Based Collaborative Filtering Menggunakan Algoritma K-Nearest Neighbors Saputra, Vernanda Sam; Ridwan, Achmad; Pratama, Taftazani Ghazi
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Volume 15 No 2, Januari Tahun 2025
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.15.2.325 – 331

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning
Peduli Demensia Komunitas Terpadu (PEDEKATE) sebagai Upaya Deteksi Dini dan Pencegahan Demensia Berbasis Aplikasi Telepon Pintar Jauhar, Muhamad; Suwandi, Edi Wibowo; Pratama, Taftazani Ghazi; Rahmawati, Ashri Maulida
Jurnal Inovasi Penelitian dan Pengabdian Masyarakat Vol. 4 No. 2 (2024): Desember
Publisher : Indonesia Emerging Literacy Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53621/jippmas.v4i2.394

Abstract

Insiden demensia meningkat secara signifikan dengan bertambahnya usia. Satu kasus baru terjadi setiap tiga detik. Saat ini penanganan demensia hanya berfokus pada tenaga kesehatan tanpa adanya optimalisasi dalam pemberdayaan masyarakat. Organisasi Aisyiyah merupakan salah satu organisasi otonomi khusus perempuan Muhammadiyah yang berperan aktif dan peduli dengan kesejahteraan sosial dan kesehatan masyarakat. Tujuan kegiatan ini yaitu memberikan pemahaman dan kepercayaan diri kader peduli demensia dalam melakukan promosi dan deteksi dini demensia pada anggota Aisyiyah di Kabupaten Kudus. Kegiatan ini berbentuk pelatihan dan pembentukan kader peduli demensia serta prodi dan deteksi dini demensia pada anggota Aisyiyah. Kegiatan ini dilakukan pada bulan Agustus-Oktober 2024 di Seluruh PCA Kabupaten Kudus. Rangkaian Kegiatan mulai dari pelatihan dan pelantikan kader yang dilakukan selama 2 hari, kemudian promosi dan deteksi dini demensia dengan kunjungan pada 12 PCA di Kabupaten Kudus. Media yang digunakan materi power point, video edukasi dan aplikasi PEDEKATE. Variabel yang dinilai yaitu pengetahuan dan kepercayaan diri kader peduli demensia. Instrumen penelitian menggunakan Alzheimer’s Disease Knowledge Scale dan Self-Confidence about Dementia Care Skills. Analisis data menggunakan deskriptif kuantitatif. Hasil kegiatan pengabdian masyarakat menunjukkan bahwa pengetahuan kader pada kategori baik dan kurang baik sejumlah 13 kader yaitu sebanyak 50%. Pada aspek kepercayaan diri mayoritas kader percaya diri sejumlah 15 kader (57,7%). Hal ini menjadi peluang untuk dapat melakukan upaya pencegahan demensia berbasis masyarakat dengan pemanfaatan aplikasi telepon pintar. Model intervensi ini dapat diintegrasikan dalam kegiatan Majelis Kesehatan Organisasi Aisyiyah Kabupaten Kudus, khususnya dalam upaya promosi kesehatan lansia.
RANCANG BANGUN SISTEM REKOMENDASI BUKU BERBASIS ITEM-BASED COLLABORATIVE FILTERING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS Saputra, Vernanda Sam; Ridwan, Achmad; Pratama, Taftazani Ghazi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5995

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi buku dengan metode item-based collaborative filtering menggunakan algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors dipilih karena K-Nearest Neighbors memiliki kemampuan dalam mengukur kesamaan antar item berdasarkan perhitungan jarak, sehingga menghasilkan rekomendasi yang relevan bagi pengguna. Menggunakan metode yang melibatkan pengolahan data rating pengguna terhadap buku, diikuti dengan pembentukan model menggunakan pendekatan item-based untuk menemukan buku-buku yang serupa. Pengujian model dilakukan menggunakan teknik cross-validation dengan evaluasi metrik Root Mean Square Error dan Mean Absolute Error untuk mengukur akurasi rekomendasi. Dari penelitian ini, hasil pengujian menunjukkan bahwa model yang diusulkan memiliki tingkat akurasi yang baik, dengan nilai rata-rata RMSE sebesar 0.8191 dan MAE sebesar 0.6235. Sistem ini diharapkan dapat meningkatkan pengalaman pengguna dalam menemukan buku-buku yang sesuai dengan preferensi pengguna, serta memberikan kontribusi signifikan dalam pengembangan sistem rekomendasi berbasis machine learning.