Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan Model Prediksi Risiko Diabetes Menggunakan Pendekatan AdaBoost dan Teknik Oversampling SMOTE Sidiq, Sofian; Alfian, Alfian; Mabrur, Nur Shobi
Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM) Vol. 4 No. 1 (2025): Volume 4 Nomor 1 March 2025
Publisher : PT. SNN MEDIA TECH PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jima-ilkom.v4i1.41

Abstract

Diabetes mellitus merupakan penyakit kronis yang prevalensinya terus meningkat dan menjadi masalah kesehatan serius di berbagai negara, termasuk Indonesia. Salah satu tantangan utama dalam pengembangan model prediksi risiko diabetes adalah ketidakseimbangan data, di mana jumlah sampel kelas minoritas (penderita diabetes) jauh lebih sedikit dibandingkan kelas mayoritas (bukan penderita diabetes). Penelitian ini bertujuan untuk mengatasi masalah ketidakseimbangan data dengan mengintegrasikan metode AdaBoost dan teknik oversampling SMOTE untuk membangun model prediksi risiko diabetes yang akurat dan andal. Metode AdaBoost dipilih karena kemampuannya dalam meningkatkan akurasi prediksi melalui perbaikan kesalahan secara iteratif, sedangkan SMOTE digunakan untuk meningkatkan representasi kelas minoritas dengan menghasilkan data sintetis. Hasil penelitian menunjukkan bahwa model AdaBoost tanpa SMOTE memiliki akurasi sebesar 81,87% dan nilai ROC-AUC sebesar 0,9031, tetapi performanya cenderung lebih tinggi pada kelas mayoritas dibandingkan kelas minoritas. Setelah menerapkan AdaBoost dengan SMOTE, performa model pada kelas minoritas meningkat signifikan, dengan precision, recall, dan F1-score yang lebih seimbang antara kedua kelas. Akurasi keseluruhan model meningkat menjadi 82,83%, dan nilai ROC-AUC menjadi 0,9058. Kombinasi AdaBoost dan SMOTE terbukti efektif dalam menangani ketidakseimbangan data, memberikan prediksi yang lebih seimbang antara kelas mayoritas dan minoritas. Penelitian ini berkontribusi dalam pengembangan pendekatan prediktif berbasis machine learning untuk mendukung upaya preventif di bidang kesehatan.
Sosialisasi Penggunaan Sosial Media yang baik dan Benar Pada Warga kelurahan Sukabakti Curug Kabupaten Tangerang Destriana, Rachmat; Rusdianto, Hengki; Liesnaningsih, Liesnaningsih; Triansyah, Jully; Rachel, Figo; Sidiq, Sofian; Suhendar, Asep
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 4, No 2 (2023): Volume 4, Nomor 2, September 2023
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v4i2.3351

Abstract

Sosial media telah menjadi bagian integral dalam kehidupan sehari-hari masyarakat modern. Di Kelurahan Sukabakti, Curug, Kabupaten Tangerang, penggunaan sosial media telah berkembang pesat dalam beberapa tahun terakhir. Namun, dengan pertumbuhan tersebut, muncul pula tantangan dalam penggunaan yang baik dan benar dari platform-platform sosial media. Penelitian ini bertujuan untuk mengkaji upaya sosialisasi penggunaan sosial media yang baik dan benar kepada warga Kelurahan Sukabakti. Metode penelitian yang digunakan adalah survei dan wawancara dengan melibatkan sejumlah warga kelurahan sebagai responden. Hasil penelitian menunjukkan bahwa meskipun mayoritas warga telah menggunakan sosial media, pemahaman mereka tentang etika dan manfaat penggunaan sosial media yang positif masih perlu ditingkatkan.Hasil sosialisasi yang dilakukan oleh pemerintah setempat dan organisasi masyarakat telah memberikan dampak positif dalam meningkatkan pemahaman warga tentang pentingnya penggunaan sosial media yang baik dan benar. Namun, masih ada kebutuhan untuk meningkatkan edukasi dan kesadaran warga mengenai bahaya penyebaran informasi palsu (hoaks), pelecehan online, serta privasi data. Dalam rangka menciptakan lingkungan sosial media yang lebih sehat dan beretika di Kelurahan Sukabakti, disarankan agar pemerintah setempat dan berbagai pihak terkait terus aktif dalam melaksanakan sosialisasi dan pelatihan terkait penggunaan sosial media. Selain itu, kolaborasi antara pemerintah, sekolah, dan organisasi masyarakat dapat menjadi langkah strategis untuk menciptakan pemahaman yang lebih baik tentang penggunaan sosial media yang bertanggung jawab dan positif di tengah masyarakat.Kata Kunci: Sosial Media, Masyarakat, Dampak, Sosialisasi, Edukasi
SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN PENDEKATAN COMPLEX PROPORTIONAL ASSESSMENT UNTUK PEMILIHAN VENDOR PERANGKAT TEKNOLOGI INFORMASI Sulaiman, Husni; Sidiq, Sofian; Tanniewa, Adam M; Tonggiroh, Mursalim
Insan Pembangunan Sistem Informasi dan Komputer (IPSIKOM) Vol 12, No 2 (2024): DESEMBER 2024
Publisher : Universitas Insan Pembangunan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58217/ipsikom.v12i2.309

Abstract

Pemilihan vendor perangkat Teknologi Informasi (TI) merupakan keputusan strategis yang sangat mempengaruhi efisiensi dan keberlanjutan operasional organisasi. Namun, proses pemilihan vendor sering kali dihadapkan pada tantangan berupa banyaknya variabel yang harus dipertimbangkan, serta risiko subjektivitas dalam pengambilan keputusan manual. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Complex Proportional Assessment (COPRAS) untuk membantu organisasi dalam memilih vendor TI secara optimal. Metode COPRAS dipilih karena kemampuannya untuk menghitung peringkat alternatif secara proporsional berdasarkan kontribusi kriteria yang relevan, sehingga dapat memberikan rekomendasi yang objektif dan transparan. Sistem yang dikembangkan mampu mengotomatisasi evaluasi vendor berdasarkan kriteria yang ditetapkan, serta memberikan hasil perangkingan vendor berdasarkan perhitungan COPRAS. Hasil studi kasus menunjukkan bahwa sistem memberikan hasil yang konsisten dengan perhitungan manual, membuktikan validitas perhitungannya. Selain itu, hasil pengujian usability menunjukkan skor sebesar 87,5%, yang menandakan bahwa sistem telah berfungsi dengan baik sesuai dengan kebutuhan pengguna.