Article Per Year (5 Year)
p-Index From 2020 - 2025
1.665
P-Index
This Author published in this journals
All Journal Simtek : Jurnal Sistem Informasi dan Teknik Komputer Indonesian Journal on Data Science Teknomatika: Jurnal Informatika dan Komputer
Supit, Yonal
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Indonesian Journal on Data Science

 1 
Klasifikasi Penyakit Hiperkolesterol Menggunakan Algoritma Decision Tree C4.5 Liya, Aprisarita; Supit, Yonal; Muhammad Islah, Andi
INDONESIAN JOURNAL ON DATA SCIENCE Vol 1 No 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1192

Abstract

Hiperkolesterol merupakan faktor risiko penyebab kematian di usia muda. tercatat 4,4 juta kematian akibat hiperkolesterol atau sebesar 7,9% dari jumlah total kematian di usia muda. Hiperkolesterol merupakan salah satu jenis penyakit yang banyak dialami oleh masyarakat Indonesia. Pentingnya mengetahui gejala penyakit stroke sejak dini merupakan pencegahan awal. Maka dari itu, dilakukan penelitian untuk menganalisa data terkait penyebab hiperkolesterol. Adapun atribut yang terlibat dalam penyebab terjadinya hiperkolesterol yakni, usia, jenis kelamin, status merokok, dan index masa tubuh. Diperlukan algoritma tertentu untuk mengklasfikasikan atribut tersebut untuk mengevaluasi kelas suatu objek. Decision tree C4.5 merupakan algoritma yang paling banyak digunakan, dalam kasus ini akurasi dari algoritma Decision tree C4.5 merupakan Algoritma yang paling banyak digunakan, dalam kasus ini akurasi dalam algoritma Decision Tree C4.5 sebesar 80%.
Klasifikasi Penyakit Hiperkolesterol Menggunakan Algoritma Decision Tree C4.5 Liya, Aprisarita; Supit, Yonal; Muhammad Islah, Andi
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1192

Abstract

Hiperkolesterol merupakan faktor risiko penyebab kematian di usia muda. tercatat 4,4 juta kematian akibat hiperkolesterol atau sebesar 7,9% dari jumlah total kematian di usia muda. Hiperkolesterol merupakan salah satu jenis penyakit yang banyak dialami oleh masyarakat Indonesia. Pentingnya mengetahui gejala penyakit stroke sejak dini merupakan pencegahan awal. Maka dari itu, dilakukan penelitian untuk menganalisa data terkait penyebab hiperkolesterol. Adapun atribut yang terlibat dalam penyebab terjadinya hiperkolesterol yakni, usia, jenis kelamin, status merokok, dan index masa tubuh. Diperlukan algoritma tertentu untuk mengklasfikasikan atribut tersebut untuk mengevaluasi kelas suatu objek. Decision tree C4.5 merupakan algoritma yang paling banyak digunakan, dalam kasus ini akurasi dari algoritma Decision tree C4.5 merupakan Algoritma yang paling banyak digunakan, dalam kasus ini akurasi dalam algoritma Decision Tree C4.5 sebesar 80%.
Penerapan Algoritma Support Vector Machine (SVM) untuk Deteksi Penyakit Mata Katarak: Algoritma Support Vector Machine (SVM) untuk Deteksi Penyakit Mata Katarak Supit, Yonal
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 2 No. 2 (2024): Indonesian Journal On Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v2i2.1449

Abstract

Eye diseases are one of the health disorders that can have serious consequences if not diagnosed early. In an effort to improve the accuracy and efficiency of eye disease detection, the Support Vector Machine (SVM) method is used for classifying eye diseases based on image datasets or related numerical data. This research aims to implement SVM as a classification algorithm, utilizing features extracted from eye images or relevant medical data. The research process includes data collection, preprocessing, feature extraction, SVM model training, and model performance evaluation using accuracy, precision, recall, and F1-score metrics. By applying k-fold cross-validation techniques, the model is tested to avoid overfitting and ensure good generalization. The results of the study show that the SVM method can provide accurate classification results and can be used as an effective tool for diagnosing eye diseases.
Co-Authors Andi Muh Islah Cakra Cakra Cakra, Cakra Edy Irwansyah Gafrun, Gafrun Juliansyah, Farhan Liya, Aprisarita Maruji, Maruji Nur Pratiwi, Anisa Visayas, Visayas Wahid, Hartini Rizki