Claim Missing Document
Check
Articles

Found 23 Documents
Search

Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes Maulidah, Nurlaelatul; Supriyadi, Riki; Utami, Dwi Yuni; Hasan, Fuad Nur; Fauzi, Ahmad; Christian, Ade
Indonesian Journal on Software Engineering (IJSE) Vol 7, No 1 (2021): IJSE 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v7i1.10279

Abstract

Diabetes melitus adalah penyakit metabolik yang ditandai terjadinya kenaikan gula darah yang disebabkan oleh terganggunya hormon insulin yang memiliki fungsi sebagai hormon dalam menjaga homeostatis tubuh menggunakan cara penurunan kadar gula darah (American Diabetes Association, 2017). World Health Organization (WHO) memperkirakan jumlah penderita diabetes melitus orang dewasa diatas 18 tahun dalam tahun 2014 berjumlah 422 juta (WHO, 2016:25). Prevalensi diabetes melitus Asia Tenggara sudah berkembang dalam tahun 1980 sebanyak 4,1% dan tahun 2014 menjadi sebanyak 8,6%. Menurut Riset Kementerian Kesehatan pada tahun 2018, Prevalensi diabetes Indonesia sebanyak 2,0%, sedangkan di Provinsi Jawa Timur sebanyak 2,6% pada penduduk umur diatas 15 tahun (KEMENKES RI, 2019). Penelitian ini dikembangkan melalui pengolahan data sekunder database kesehatan Dataset Diabetes yang diambil dari dataset Kaggle dan dapat diakses melalui https://www.kaggle.com/johndasilva/diabetes. Dimana datanya sendiri terdiri dari 2000 record dengan beberapa variabel prediktor medik (Pregnancies/Kehamilan, Glucose/Glukosa, BloodPressure/Tekanan Darah, SkinThickness/Ketebalan Kulit, Insulin, BMI/Indeks Masa Tubuh, DiabetesPedigreeFunction/Keturunan, Age/Umur and Outcome/Hasil). Kemudian data tersebut akan diolah dengan menggunakan metode Support Vector Machine dan metode Naive Bayes untuk mengetahui akurasi hasil diagnosa diabetes. Berdasarkan hasil dari penelitian yang sudah dilakukan metode Support Vector Machine memiliki nilai akurasi yang jauh lebih tinggi dibandingkan dengan menggunakan metode Naive Bayes. Nilai akurasi untuk model metode Support Vector Machine adalah 78,04% dan nilai akurasi untuk metode Naive Bayes 76,98%. Berdasarkan nilai ini, perbedaan akurasinya adalah 1,06%. Sehingga dapat disimpulkan bahwa penerapan metode Support Vector Machine mampu menghasilkan tingkat akurasi diagnosis diabetes yang lebih baik dibandingkan dengan menggunakan metode Naive Bayes.
RANCANG BANGUN SISTEM INFORMASI PENERIMAAN SISWA BARU DALAM MENINGKATKAN MUTU LEMBAGA PENDIDIKAN (Studi Kasus: Mts Negeri Slawi Filial Di Sa Pecabean) Maulidah-Universitas Bina Sarana Informatika, Nurlaelatul; Pebrianto-Universitas Bina Sarana Informatika, Rangga; Supriyadi-Universitas Bina Sarana Informatika, Riki; Fauzi-Universitas Bina Sarana Informatika, Ahmad
SPEED - Sentra Penelitian Engineering dan Edukasi Vol 11, No 4 (2019): Speed 2019
Publisher : APMMI - Asosiasi Profesi Multimedia Indonwsia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1757.293 KB)

Abstract

Abstract - Information technology provides an important role for agencies or companies. One aspect that experienced the development of information technology is the aspect of education. In the field of information technology education plays an important role in improving the quality and quality of education in Indonesia. One example of information technology in the field of education is the acceptance of new students. Admission of new students is one of the processes held annually in educational institutions such as schools, which aims to screen prospective students who fit the criteria of the school to become learners. The new student admissions information system at MTs Negeri Slawi Filial At SA Pecabean is still done conventionally, the data recaping process also has not run optimally because it is still done manually so that often the mistake of student data. In addition, parents or prospective students should come directly to school to obtain information about the school and new admissions procedures.Key words: information systems, new student admission web-based Abstrak-Teknologi informasi memberikan peranan penting bagi instansi ataupun perusahaan. Salah satu aspek yang mengalami perkembangan teknologi informasi ialah aspek pendidikan. Dalam bidang pendidikan teknologi informasiberperan penting dalam meningkatkan mutu dan kualitas pendidikan di Indonesia. Salah satu contoh teknologi informasi dibidang pendidikan yaitu penerimaan siswa baru. Penerimaan siswa baru merupakan salah satu proses yang diadakan setiap tahunnya di instansi pendidikan seperti sekolah, yang bertujuan untuk menyaring calon siswa yang sesuai dengan kriteria sekolah tersebut untuk menjadi peserta didiknya.Sistem informasi penerimaan siswa baru padaMTs NegeriSlawi Filial Di SA Pecabean saat ini masih dilakukan secara konvensional, proses rekap data juga belum berjalan optimal karena masih dilakukan secara manual sehingga sering terjadinya kesalahan data siswa. Di samping itu, orang tua atau calon siswa harus datang langsung ke sekolah untuk mendapatkan informasi mengenai sekolah dan prosedur penerimaan siswa baru.Kata kunci: sistem informasi, penerimaan siswa baru berbasis web 
Aplikasi Penerimaan Pemasukan Dan Pengeluaran Dana Keuangan Berbasis Website Pada CV. Berkah Jaya Ahmad Fauzi; Nurlaelatul Maulidah; Riki Supriyadi; Hiya Nalatissifa; Sri Diantika
Bianglala Informatika Vol 9, No 2 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.113 KB) | DOI: 10.31294/bi.v9i2.11501

Abstract

CV.  Berkah  Jaya  merupakan  perusahaan  milik  swasta  yang  bernaung  dalam  usaha  sebagai  supplier  toko  buku  dan  alat  peraga  ke  berbagai  tempat.  Sebagai  supplier  buku  dan  alat  peraga  CV.  Berkah  Jaya  memiliki  cukup  banyak  data  yang  belum  terorganisir  dengan  baik,  terutama  dalam  bidang  pencatatan  penerimaan  dan  pengeluaran  dana  keuangan.  Sistem  pencatatan  data  pada  CV.  Berkah  Jaya  saat  ini  masih  dilakukan  secara  manual  meskipun  sudah  menggunakan  microsoft  excel  sebagai  program  yang  membantu  dalam  pencatatan,  seringkali  menjadi  kurang  efektif  dan  tidak  efisien  sehingga  menimbulkan  hambatan  karena  membutuhkan  waktu  yang  lama  dalam  memproses  data.  Data  pemasukan  dan  pengeluaran  dana  keuangan  akan  mudah  dimanipulasi  oleh  pihak  yang  tidak  bertanggung  jawab  jika  masih  menggunakan  sistem  pencatatan  yang  manual.  Adanya  sistem  komputer  akan  sangat  membantu  perusahaan  dalam  pemecahan  masalah  dalam  hal  pengelohan  data  keuangan.  Penggunaan  komputer  juga  dapat  dijadikan  alat  untuk  mencapai  tujuan  dan  mencari  kemudahan  dalam  melakukan  suatu  proses  pekerjaan,  terutama  yang  melibatkan  banyak  data  dalam  hal  ini  mengenai  data  transaksi  yang  mencakup  data  pemasukan  dan  pengeluaran  dana  keuangan  perusahaan.  Dengan  sistem  komputerisasi  keuangan  ini,  dapat  mempermudah  perusahaan  dalam  melakuan  proses  pengolahan  data  keuangan  dan  laporan.
PREDIKSI TINGKAT KESUKSESAN PROMOSI BANK DENGAN ALGORITMA DNN Oscar Oscar; Nurlaelatul Maulidah; Annida Purnamawati; Destiana Putri; Hilman F Pardede
Jurnal Informatika Vol 21, No 1 (2021): Jurnal Informatika
Publisher : IIB Darmajaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30873/ji.v21i1.2866

Abstract

Telemarketing is one effective way for promoting products. However, it is often difficult to measure the success of telemarketing. Therefore, a way to predict the success rate of telemarketing, and hence strategies could be planned to increase the success rate. In this study, we evaluate several implementations of machine learning for prediction the success of telemarketing. The evaluated methods are Deep Neural Network (DNN), Random Forest, and K-nearest neighbor (K-NN). We validate our experiments using 10-fold cross validation and our experiments show that DNN with 3 hidden layers outperforms other methods. Accuracy of 90% is achieved with the DNN. It is better than Random Forest and KNN that achieve accuracies of algorithm and 88% and 89%.Keywords— Bank Marketing, DNN, KNN, Random Forest.
Penerapan Algoritma Naive Bayes Dan Support Vector Machine dalam Memprediksi Autisme Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi; Hiya Nalatissifa; Sri Diantika
Swabumi Vol 10, No 1 (2022): Volume 10 Nomor 1 Tahun 2022
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v10i1.12294

Abstract

AbstrakAutism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang menyebabkan anak mengalami gangguan dalam kemampuan komunikatif, fungsi sosial, dan perilaku kaku atau berulang. Diagnosis terhadap screening autisme adalah langkah awal untuk mengetahui kondisi anak dalam proses penanganan autisme secara dini. Konsultasi dengan dokter atau tenaga medis menjadi pilihan utama yang dilakukan oragtua, namun keterbatasan tenaga medis yang berfokus terhadap perkembangan otak membuat orang tua sulit menangani anaknya. Machine learning menjadi salah satu alternatif dalam penanganan penyakit terutama autisme untuk membantu meningkatkan kemampuan pendeteksian otomatis. Dalam penelitian yang telah dilakukan dengan menerapkan dua algoritma data mining yaitu algoritma Naive Bayes dan Support Vector Machine (SVM) kedua algoritma kemudian dikomparasi dimana hasil yang ditunjukan algoritma Naive Bayes mendapatkan hasil akurasi 96,45% sedangkan Support Vector Machine (SVM) mendapatkan hasil akurasi 81,56% dan disimpulkan dalam penelitan ini algoritma yang paling sesuai untuk mendeteksi penyakit autisme yaitu Naive Bayes dimana memiliki akurasi yang lebih baik saat pengujian. Kata Kunci : Deteksi Autisme , Naive Bayes, Support Vector Machine AbstractAutism Spectrum Disorder (ASD) is a neurodevelopmental disorder that causes children to experience impairments in communicative abilities, social functioning, and rigid or repetitive behaviors. Diagnosis of autism screening is the first step to knowing the condition of children in the process of handling autism early. Consultation with a doctor or medical personnel is the main choice made by oragtua, but the limitations of medical personnel who focus on brain development make it difficult for parents to handle their children. Machine learning is one of the alternatives in the treatment of diseases, especially autism, to help improve automatic detection capabilities. In research that has been done by applying two data mining algorithms, namely naive bayes algorithm and support vector machine (SVM) both algorithms are then compared where the results shown by naive bayes algorithm get an accuracy of 96.45% while support vector machine (SVM) gets an accuracy of 81.56% and concluded in this study the most suitable algorithm to detect autism disease is Naive Bayes which has better accuracy when testing. Keywords: Autism Detection, Naive Bayes, Support Vector Machine
Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah Riki Supriyadi; Windu Gata; Nurlaelatul Maulidah; Ahmad Fauzi
E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Vol 13 No 2 (2020): Jurnal Ilmiah Ekonomi dan Bisnis
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/e-bisnis.v13i2.247

Abstract

Abstract In this study that was used as the object of research in classifying red wine based on the quality influenced by each red wine or red wine based on the content of each type of wine, from each attribute containing the composition in the wine seen which attributes most affect the quality of red wine, so that it will be known ingridents that can improve the quality of the wine, in this study was carried out by the application of Machine learning by comparing three algorithms of mining data that is , Decission Tree, Random Forest and Support Vector Machine (SVM), from the results of research that has been done by comparing the three algorithms, Random Forest produced the best accuracy among other algorithms that have been tested. Random Forest with accuracy results of 0.7468 makes this algorithm best used to classify the quality of red wine. And in the second order Decission Tree with accuracy results of 0.7031, while Support Vector Machine (SVM) get an accuracy result of 0.65. So in the research that has been done to classify the quality of red wine based on its composition Random Forest becomes the best algorithm to use..
Seleksi Fitur Klasifikasi Penyakit Diabetes Menggunakan Particle Swarm Optimization (PSO) Pada Algoritma Naive Bayes Nurlaelatul Maulidah; Ari Abdilah; Elah Nurlelah; Windu Gata; Fuad Nur Hasan
Elkom : Jurnal Elektronika dan Komputer Vol 13 No 2 (2020): Desember: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

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

Abstract

Diabetes is a serious chronic disease that occurs because the pancreas does not produce enough insulin (a hormone that regulates blood sugar or glucose), or when the body cannot effectively use the insulin it produces. WHO data shows that the incidence of non-communicable diseases in 2004 reached 48 , 30% is slightly higher than the incidence rate of infectious diseases, namely 47.50% [1]. According to the Ministry of Health in 2012 diabetes caused 1.5 million deaths. Some Indonesian people, this disease is better known as diabetes or blood sugar. This research was developed through secondary data processing from the Pima Indians Diabetes Dataset health database which was taken from the Kaggle dataset and can be accessed through https://www.kaggle.com/uciml/pima-indians-diabetes-database. Where the data itself consists of 768 records with several medical predictor variables (Pregnancies, Glucose, Blood Pressure, Skin Thickness, Insulin, BMI, Diabetes Pedigree Function, Age and Outcome). Then the data will be processed using the Particle Swarm Optimization (PSO) feature selection to increase the accuracy value and the Naive Bayes algorithm to determine the accuracy results of the diagnosis of diabetes. From the results of research that has been done for the accuracy of the classification algorithm Naive Bayes is 74.61%, while the accuracy of the classification algorithm with Particle Swarm Optimization is 77.34% with an accuracy difference of 2.73%. So it can be concluded that the application of the Particle Swarm Optimization technique is able to select attributes in the Naive Bayes Algorithm, and can produce a better level of diabetes diagnosis accuracy than using only the individual method, namely the Naive Bayes algorithm. Keywords: Diabetes, Particle Swarm Optimization, Naive Bayes Algorithm
PERANCANGAN SISTEM INFORMASI ABSENSI PEGAWAI BERBASIS WEB PADA ELAUNDRY Nurlaelatul Maulidah
CONTEN : Computer and Network Technology Vol. 2 No. 2 (2022): Desember 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v2i2.1646

Abstract

Absensi kehadiran pegawai merupakan faktor penting bagi sebuah instansi atau perusahaan sebagai penunjang yang sangat berpengaruh terhadap produktivitas kerja dalam mencapai tujuan, hal ini berkaitan dengan kedisiplinan dan berdampak pada kinerja dari masing-masing pegawai. Selain itu, Absensi dan ketepatan waktu kehadiran sering kali digunakan sebagai salah satu indikator dalam penilaian kinerja pegawai. Oleh karena itu, perlu adanya pendataan khusus untuk mencatat absensi kehadiran pegawai agar aktifitas kerja dapat tercatat secara dengan baik. Banyak cara yang dapat dilakukan untuk mencapai pendataan absensi yang baik, salah satunya menggunakan teknologi komputer dimana penerapannya dengan aplikasi absensi berbasis website. Pada eLaundry sistem yang digunakan dalam proses absensi masih manual yaitu dengan menggunakan buku absensi harian yang berdampak pada efisiensi dan efektifitas pendataan, pencarian data sekaligus perhitungan rekap data yang membutuhkan waktu yang relatif lama. Disamping itu Absensi yang dilakukan secara manual dapat menimbulkan masalah yang berupa data tidak sesuai, susah dalam melakukan pencarian data, dan resiko kehilangan data. Berdasarkan permasalahan diatas maka dibuatlah Sistem Informasi Absensi Pegawai Berbasis Web Pada eLaundry. Metode penelitian yang digunakan dalam pengumpulan data meliputi: metode riset, wawancara dan pustaka. Sedangkan pada penelitian ini dibangun menggunakan metode waterfall yang terdiri dari tahap analisis, perancangan, pengkodean, dan pengujian. Dengan dihasilkannya aplikasi absensi kepegawaian berbasis web dapat memberikan kemudahan dalam proses absensi, pencarian data dan perhitungan rekap absensi, serta meminimalisir kehilangan dan kesalahan pencatatan data absensi pada eLaundry.
Prediksi Peningkatan Jumlah Nasabah Deposito Berjangka Menggunakan Algoritma KNN, Decision Tree, Random Forest Dan Xgboost Nurlaelatul Maulidah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 13, No 2 (2023)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v13i2.16921

Abstract

Bank merupakan sebuah lembaga keuangan yang umumnya didirikan untuk menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkan kepada masyarakat dalam bentuk kredit atau bentuk lainnya dengan rangka meningkatkan taraf hidup rakyat banyak. Pada penelitian ini, dilakukan pengujian empat algoritma machine learning yaitu K-Nearest Neighbor (K-NN), Decision Tree, Random Forest dan XGBoost, untuk mengetahui dan membandingkan tingkat akurasi dari masing-masing algoritma tersebut dalam melakukan prediksi terhadap peningkatan jumlah nasabah deposito berjangka bank. Pada penelitian ini dataset diperoleh dari UCI Machine Learning Repository. Data yang diperoleh kemudian diproses. Dari hasil pengujian didapatkan tingkat akurasi terbaik sebesar 92,36% dengan menggunakan algoritma XGBoost.
Sistem Informasi Administrasi Berbasis Web Pada Bengkel Mesin H&S Tegal Fanny Fatma Wati; Andrian Eko Widodo; Nurlaelatul Maulidah; Suleman; Ratna Kurnia Sari
KALBISCIENTIA Jurnal Sains dan Teknologi Vol. 10 No. 02 (2023): Sains dan Teknologi
Publisher : Research and Community Service INSTITUT TEKNOLOGI DAN BISNIS KALBIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53008/kalbiscientia.v10i2.2142

Abstract

H&S Machine Shop is a service company that handles the repair of motorcycle, diesel, and automobile engines. The implementation of administrative activities still applies a manual system ranging from notes, cash books, inventory of goods, to reports still carried out by handwriting.In addition to being inefficient because it increases the use of paper, in the process of recording and processing data there is often human error, inaccurate reports made, and delays in finding certain data when needed, so it requires more time and energy. Therefore, the right solution is needed to overcome these problems, namely by designing a computerized system. The data collection methods used are observation, interviews, and literature studies. The software development method used is the waterfall method. The result of this study is to help administrative work become more effective and efficient in supporting activities in the H & S Machine Workshop