Article Per Year (5 Year)
p-Index From 2021 - 2026
2.332
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Informatika KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) IKRA-ITH Informatika : Jurnal Komputer dan Informatika IKRA-ITH ABDIMAS JISICOM (Journal of Information System, Infomatics and Computing) JURNAL TEKNOLOGI INFORMASI Jurnal Sistem Informasi dan Sains Teknologi Sisfo: Jurnal Ilmiah Sistem Informasi Teknomatika: Jurnal Informatika dan Komputer Journal of Computer Science and Information Technology Jurnal Pengabdian Teknologi, Ekonomi dan Humaniora Jurnal Sains & Teknologi Fakultas Teknik Universitas Darma Persada
Mira Febriana Sesunan
Universitas Darma Persada
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
RANCANG BANGUN APLIKASI BANK SAMPAH CANTIK RESIK KELURAHAN JATI KRAMAT Endang Ayu Susilawati; Nur Syamsiyah; Nabila Aulia; Mira Febriana Sesunan
Journal of Computer Science and Information Technology Vol. 2 No. 2 (2025): Maret
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i2.2065

Abstract

Bank Sampah Cantik Resik Kelurahan Jati Kramat adalah organisasi swadaya masyarakat yang berfokus pada pemanfaatan pengelolaan sampah.Permasalahan internal pada proses pengelolaan data bank sampah, petugas akan mencatat setiap kali adai pengambilan sampah dan mencatat informasi tabungan sehingga sering terjadinya kerangkapan pencatatan data sampah nasabah hal ini menyebabkan kekeliruan dalam catatan nasabah. Sistem informasi Bank Sampah terbagi menjadi tiga hak akses login: admin, nasabah, dan ketua admin..Login Nasabah dapat mengakses menu untuk melihat jadwal penyetoran sampah, memilih booking jadwal penyetoran sampah yang akan datang dan menu transaksi untuk melihat riwayat transaksi penyetoran sampah, serta melihat informasi total invoice dari hasil penyetoran sampah. Akses login Admin dapat mengakses menu mengelola data nasabah, mengelola data sampah, memproses jadwal baru penyetoran sampah, melihat list booking jadwal nasabah, mengelolah transaksi sampah, memproses pembayaran invoice serta melihat riwayat data keselurahan invoice penyetoran sampah, admin juga dapat mencetak laporan. Akses login Ketua Admin dapat mengakses menu Transaksi untuk melihat dan mengelola data laporan Invoice keselurahan penyetoran sampah. Penggunaan sistem informasi bank sampah pada BS cantik resik dapat meningkatkan layanan nasabah dan mempercepat proses pengolahan data sampah nasabah, dan meningkatkan kinerja operasional bank sampah BS cantik resik. Kata Kunci: Bank Sampah, Pencatatan Sampah, Penyetoran Sampah
Evaluasi Model Machine Learning untuk Prediksi Diagnosis Cancer Payudara Berdasarkan Data Wisconsin Diagnostic Rudi Setiawan; Mira Febriana Sesunan
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 9 No. 2 (2025): Sisfo: Jurnal Ilmiah Sistem Informasi, Oktober 2025
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cancer payudara merupakan salah satu penyakit dengan tingkat kejadian dan kematian yang tinggi pada perempuan sehingga membutuhkan metode diagnosis yang cepat dan akurat. Penelitian ini bertujuan mengevaluasi dan membandingkan performa lima algoritma machine learning dalam mengklasifikasikan cancer payudara sebagai jinak dan ganas menggunakan dataset Breast Cancer Wisconsin Diagnostic yang terdiri atas 569 observasi dan 30 fitur numerik karakteristik inti sel. Algoritma yang dibandingkan meliputi Logistic Regression, Decision Tree, Random Forest Classifier, Support Vector Machine, dan K-Nearest Neighbors. Evaluasi dilakukan pada 171 data uji menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan ROC-AUC. Hasil penelitian menunjukkan bahwa Logistic Regression memberikan performa terbaik dengan accuracy sebesar 98,83%, precision 0,98, recall 0,98, F1-score 0,98, dan ROC-AUC 1,00. Model ini hanya menghasilkan satu false negative dan satu false positive. Support Vector Machine menempati urutan kedua dengan accuracy 97,66% dan ROC-AUC 1,00, diikuti K-Nearest Neighbors sebesar 95,91%, Random Forest sebesar 93,57%, dan Decision Tree sebesar 91,81%. Hasil tersebut menunjukkan bahwa Logistic Regression memiliki keseimbangan terbaik antara kemampuan mendeteksi cancer ganas dan mengenali cancer jinak. Model ini dapat digunakan sebagai model acuan dalam klasifikasi cancer payudara pada dataset WDBC. Namun, penerapan klinis masih memerlukan validasi eksternal menggunakan data yang lebih besar dan beragam.
Co-Authors A. Aviv Mahmudi Abirahma, Elvina Afifa, Linda Nur Annisa Dita Rianti Astuti, Eka Yuni Darsin Darsin DARSONO Eka Yuni Astuti Eka Yuni Astuty Endang Ayu Susilawati Eva Novianti Hartini Herianto Herianto Husen Asbanu Iksan Nurdin Juan Pratama Nabila Aulia Neni Purwati Nur Hasanah Nur Hasanah Nur Syamsiyah Nur Syamsiyah Nur Syamsiyah Ramadhan, Mohammad Alfitra Resha Mukti Sari Wulanningsih Setio Setiawan, Rudi Windya Harieska Pramujati Yahya Yahya Yahya Yahya Yahya Yahya Yahya Yahya, Yahya -