Article Per Year (5 Year)
p-Index From 2020 - 2025
2.407
P-Index
This Author published in this journals
All Journal ELS Journal on Interdisciplinary Studies in Humanities Journal of System and Computer Engineering Journal Peqguruang: Conference Series Global Abdimas: Jurnal Pengabdian Masyarakat Journal of Artificial Intelligence and Digital Business Journal Pharmacy and Application of Computer Sciences DIDAKTIS: Jurnal Pendidikan Bahasa dan Sastra Indonesia Jurnal Ilmu Pertanian dan Perkebunan Advances in Computer System Innovation Journal (ACSI Journal)
Mardewi, Mardewi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Advances in Computer System Innovation Journal (ACSI Journal)

 1 
PREDIKSI DINI LIVER CIRRHOSIS UNTUK KESEHATAN HATI MENGGUNAKAN METODE MACHINE LEARNING. Mardewi, Mardewi
Advances in Computer System Innovation Journal Vol. 1 No. 1: Desember 2023, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v1i1.474

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi risiko liver cirrhosis menggunakan tiga pendekatan machine learning, yaitu Decision Tree, Logistic Regression, dan Support Vector Machine (SVM). Data klinis dan laboratorium dari pasien dewasa yang didiagnosis dengan atau berisiko terkena liver cirrhosis digunakan dalam analisis retrospektif. Logistic Regression menunjukkan akurasi tertinggi dengan 71.5%, diikuti oleh SVM dengan 72.6%, dan Decision Tree dengan 66.7%. Meskipun akurasi yang berbeda, masing-masing model memberikan wawasan unik dalam prediksi risiko liver cirrhosis. Hasil ini memberikan dasar untuk pengembangan model prediksi yang lebih canggih, mendukung praktik klinis, dan meningkatkan manajemen penyakit hati. Evaluasi lebih lanjut dan peningkatan akurasi melalui pemrosesan data yang lebih cermat menjadi perhatian selanjutnya. Kesimpulannya, model-machine learning memiliki potensi besar dalam mendukung pengambilan keputusan klinis dan meningkatkan pemahaman tentang risiko liver cirrhosis.
Co-Authors Adi Nugroho, Dwi Adrian Adrian Almince, Delsi Arifin, Sofyan Asdar Asdar Ayuningtyas, Nirmala Basri Basri Christy, Sebianus Rainer N Firdaus, Jey Firman Aziz Hasbi Indrayani, Lilis Indrayanti, Lilis Isdaryanti, Isdaryanti Iskandar, Imran Ismail Ismail JA, Puspita Hadriani Jeffry Jeffry Kaco, Suardi Khaerunnisa Khaerunnisa, Khaerunnisa La Wungo, Supriyadi Leppang, Irmawati Makalmai, Beci J. Marhaba, Melvi Muhammad Sarjan Musrifah Tahar Nasruddin Nasruddin Puspa, Rati Qamal Qamal Saifuddin Saifuddin Sangka, Yuliana Sofyan Sofyan Syam, Rahmat Fuady Tonapa, Jennis W, Setyo Hendra Aldi Wiyarzah, Ice Wungo, Supriyadi La Yarkuran, Nuru Zulkarnain Zulkarnain