Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal EDUTECH Undiksha
Ameriza, Inkha
Unknown Affiliation
Computer Science & IT Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengembangan E-Modul pada Mata Pelajaran Simulasi dan Komunikasi Digital Ameriza, Inkha; Jalinus, Nizwardi
Jurnal Edutech Undiksha Vol 9, No 2 (2021): Desember
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jeu.v9i2.38571

Abstract

Penelitian ini bertujuan untuk menghasilkan e-modul yang Valid, Praktis dan Eefektif. Sehingga dapat membatu siswa belajar mandiri dan memahami proses pembelajaran. Penelitian ini adalah penelitian research and Development (R&D) yang merujuk pada model pengembangan 4D. Kecocokan model 4D dalam penelitian ini karena model 4D tepat digunakan untuk mengembangkan perangkat pembelajaran. Karena tahap-tahap yang dimiliki lebih sistematis dan terperinci mencakup semua aspek yang harus dianalisis. Model ini terdiri dari 4 langkah tahapan yaitu define, design, develop, dan disseminate. Hasil Penelitian berdasarkan penilaian validator ahli materi dan ahli media, e-modul yang dikembangkan valid. Berdasarkan respon guru dan siswa, e-modul yang dikembangkan memiliki praktikalitas tinggi. Hasil efektivitas diketahui dari peningkatan pemahaman teori siswa serta uji efektifitas dari materi yang di ujikan dengan hasil cukup efektif.
Pengembangan E-Modul pada Mata Pelajaran Simulasi dan Komunikasi Digital Ameriza, Inkha; Jalinus, Nizwardi
Jurnal Edutech Undiksha Vol. 9 No. 2 (2021): December
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jeu.v9i2.38571

Abstract

Penelitian ini bertujuan untuk menghasilkan e-modul yang Valid, Praktis dan Eefektif. Sehingga dapat membatu siswa belajar mandiri dan memahami proses pembelajaran. Penelitian ini adalah penelitian research and Development (R&D) yang merujuk pada model pengembangan 4D. Kecocokan model 4D dalam penelitian ini karena model 4D tepat digunakan untuk mengembangkan perangkat pembelajaran. Karena tahap-tahap yang dimiliki lebih sistematis dan terperinci mencakup semua aspek yang harus dianalisis. Model ini terdiri dari 4 langkah tahapan yaitu define, design, develop, dan disseminate. Hasil Penelitian berdasarkan penilaian validator ahli materi dan ahli media, e-modul yang dikembangkan valid. Berdasarkan respon guru dan siswa, e-modul yang dikembangkan memiliki praktikalitas tinggi. Hasil efektivitas diketahui dari peningkatan pemahaman teori siswa serta uji efektifitas dari materi yang di ujikan dengan hasil cukup efektif.
Calibration and Applied Statistical Modeling Using Logistic Regression on the UCI Heart Disease Dataset Cahyono, Andi; Ameriza, Inkha; Gunadi, Gunadi; As Syifa, Ervira Dwiaprini; Alqudah, Mashal Kasem
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11853

Abstract

Accurate and well-calibrated heart disease risk prediction is essential for supporting medical decision-making. This study analyzes Logistic Regression as an applied statistical model for heart disease prediction using the UCI Heart Disease dataset. Beyond discrimination metrics, we explicitly focus on probability reliability by evaluating calibration through the Brier score, calibration slope, and intercept, and by quantifying the impact of post-hoc calibration (isotonic regression and Platt scaling) on both calibration and discrimination. Model validation was conducted using stratified 5-fold cross-validation with AUROC, AUPRC, accuracy, and F1-score as evaluation metrics. The results show that Logistic Regression achieved competitive performance (AUROC 0.903; AUPRC 0.911; Accuracy 0.822; F1-score 0.835) with well-calibrated probability estimates relative to Random Forest and Gradient Boosting under the evaluated setting. Feature importance analysis using permutation methods identified chest pain type, number of major vessels (ca), ST depression (oldpeak), and exercise-induced angina (exang) as key predictors consistent with clinical literature. These findings indicate that simple applied statistical modeling, when paired with rigorous calibration assessment, can provide interpretable risk estimates that are more suitable for threshold-based decision support in early heart disease screening.
Co-Authors Alqudah, Mashal Kasem Andi Cahyono As Syifa, Ervira Dwiaprini Gunadi Gunadi Nizwardi Jalinus