Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika dan Multimedia
Inggrid Yanuar Risca Pratiwi
Politeknik Negeri Malang
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Sistem Pemeringkat Otomatis Berbasis Kata Sifat Faisal Rahutomo; Diana Mayangsari Ramadhani; Inggrid Yanuar Risca Pratiwi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 2 (2019): Agustus 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (755.584 KB) | DOI: 10.29207/resti.v3i2.943

Abstract

This paper exposes a novel method has been developed during these 2 years. The method is named as “adjective based automatic rating system”. This method is developed to utilize the abundant availability of text on the internet for quality and performance rating purpose. The text is processed in such a way and leave only the adjectives. Semantic analysis is done by two knowledge: adjectives of performance definition and Indonesian adjectives database with its synonym-antonym relation. This research proposes several formula steps, therefore the method output is a rating score that can be tunned its scale. The experiment results have been gathered for several objects: tourism, courier service, and organization performance. With detail information in tourism object experiment, this paper cites the other experiment results as well. This paper also provides availability information of the method as Python library. The results show a high correlation score, always more than 0.9. The results also show acceptable error scores, never more than 45%.
Prediksi Keberhasilan Pengobatan dan Identifikasi Faktor Klinis Penting pada Kanker Tiroid Berdiferensiasi Menggunakan Kolmogorov-Arnold Networks dan SHAP: Prediction of Treatment Success and Identification of Important Clinical Factors in Differentiated Thyroid Cancer Using Kolmogorov-Arnold Networks and SHAP Muhammad Ainul Fikri; Ajie Kusuma Wardhana; Fauzia Anis Sekar Ningrum; Inggrid Yanuar Risca Pratiwi; Yudha Riwanto; Raditya Arief Pratama
Jurnal Informatika dan Multimedia Vol. 18 No. 1 (2026): Jurnal Informatika dan Multimedia
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtim.v18i1.9909

Abstract

Kanker tiroid berdiferensiasi memerlukan evaluasi respons terapi yang akurat untuk menentukan strategi penanganan pasien tingkat lanjut. Penelitian ini bertujuan mengembangkan model prediksi keberhasilan pengobatan kanker tiroid berdiferensiasi menggunakan Kolmogorov-Arnold Networks (KAN) yang diintegrasikan dengan metode SHapley Additive exPlanations (SHAP). Integrasi ini bertujuan menghasilkan sistem prediktif yang tidak hanya akurat tetapi juga memiliki interpretabilitas intrinsik yang transparan bagi tenaga medis. Data klinis retrospektif sebanyak 383 pasien dengan 17 fitur dievaluasi menggunakan pemodelan KAN dengan optimasi pemangkasan (pruning) jaringan pembobot adaptif. Interpretasi kontribusi fitur dianalisis secara post-hoc menggunakan algoritma SHAP KernelExplainer. Hasil pengujian membuktikan bahwa model KAN mencapai performa yang sangat kompetitif dengan akurasi 97,40%, precision 97,87%, recall 97,40%, F1-score 97,47%, dan ROC-AUC 99,75%. Model ini mencatatkan tingkat sensitivitas 100% dalam memprediksi kelas keberhasilan terapi tanpa adanya kesalahan klasifikasi. Analisis SHAP mengungkap bahwa fitur Response (evaluasi respons terapi) memberikan kontribusi paling dominan terhadap hasil prediksi, diikuti oleh variabel Risk (stratifikasi risiko), Age (usia), dan M (status metastasis). Sebagai alat pendukung keputusan klinis, KAN secara efektif menyeleksi fitur otomatis melalui mekanisme sparsity pada spline-nya dan memberikan penjelasan yang komprehensif bersama metode SHAP. Sebagai saran pengembangan ke depan, penelitian selanjutnya dapat memperdalam analisis korelasi matematis antara representasi spline KAN dengan nilai distribusi SHAP, serta memperluas pengujian model menggunakan dataset multisenter dengan skala yang lebih besar.
Co-Authors Ajie Kusuma Wardhana Diana Mayangsari Ramadhani Faisal Rahutomo Fauzia Anis Sekar Ningrum Muhammad Ainul Fikri Raditya Arief Pratama Yudha Riwanto