Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIK- JURNAL ILMU KESEHATAN Journal of Information Systems and Informatics
Rosita, Rani
Unknown Affiliation
Computer Science & IT Health Professions Nursing Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Determinan Faktor Berat Badan dan Gaya Hidup Wanita Produktif pada Infertilitas Sekunder Mudlikah, Siti; Hamidah, Siti; Rosita, Rani; Agusari, Serly Regiani
JIK-JURNAL ILMU KESEHATAN Vol 4, No 2 (2020): JIK-Oktober Volume 4 Nomor 2 Tahun 2020
Publisher : UNIVERSITAS ALIFAH PADANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33757/jik.v4i2.338

Abstract

Perkembangan social dan kultural yang semakin berubah, temuan identifikasi factor yang konsisten yang mempengaruhi juga masih terbatas studinya. Demikian juga prediksi hubungan antar faktor juga belum pernah di teliti. Penelitian ini bertujuan untuk mengetahui determinan faktor berat badan dan gaya hidup wanita produktif pada infertitilas sekunder. Penelitian ini mengunakan analitik observasional dengan pendekatan cross Sectional. Populasi semua wanita usia subur berjumlah 420 orang, dengan obsevasional dan kuesioner wawancara langsung responden menggunakan Total Sampel. Uji statistic Regresi Logistic berganda. Diketahui bahwa tingkat pengaruh untuk setiap factor terhadap siklus menstruasi adalah obesitas dan berat badan kurang dengan nilai p= 0,000, merokok pasif nilai p= 0,004, kecemasan nilai p=0.007, sedangkan akvifitas fisik dengan nilai p= 0,183. Dari keempat faktor tersebut hanya aktifitas fisik yang tidak berpengaruh pada siklus menstruasi bagi infertilitas sekunder. Ada korelasi positif dan signifikan antara berat badan dan perokok pasif (p=0.000 dengan r=0.203), dan aktifitas fisik dan perokok pasif (p=0.000 dengan r=0.251). Penelitian ini menyatakan secara implisit bahwa faktor yang mempengaruhi infertilitas primer berbeda dengan infertilitas sekunder seiring perbedaan dan perubahan social yang terjadi pada wanita.
Comparative Analysis of Machine Learning Algorithms for Sentiment Classification of Discord App Reviews Rosita, Rani; Prasetyaningrum, Putri Taqwa
Journal of Information System and Informatics Vol 7 No 4 (2025): December
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v7i4.1367

Abstract

The increasing use of digital communication applications such as Discord has generated diverse user opinions expressed through reviews on the Google Play Store. This study aims to analyze user sentiment toward the Discord application using text mining and machine learning techniques. A total of 3,000 reviews were collected through web scraping, pre-processed, labeled using a lexicon-based approach with TextBlob, and balanced using the SMOTE-Tomek method. Sentiment classification was performed into positive, negative, and neutral categories using Decision Tree, Logistic Regression, Support Vector Machine (SVM), and an Ensemble method. The Ensemble model achieved the highest accuracy of 98.67%, followed by Decision Tree (96.50%), SVM (95.83%), and Logistic Regression (90.33%). Limitations of this study include the use of lexicon-based sentiment labeling, machine translation from Indonesian to English, and initial class imbalance. Despite this strong performance, the study has limitations related to lexicon-based labeling, translation of reviews into English, and the presence of a highly imbalanced class distribution in the original dataset. Overall, the findings demonstrate that the Ensemble approach effectively improves sentiment classification accuracy and can support data-driven decision-making in application development.
Co-Authors Agusari, Serly Regiani Mudlikah, Siti Prasetyaningrum, Putri Taqwa Siti Hamidah