Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal IJCIT (Indonesian Journal on Computer and Information Technology) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) JMM (Jurnal Masyarakat Mandiri) Jurnal Teknoinfo INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi EVOLUSI : Jurnal Sains dan Manajemen Conten : Computer and Network Technology Indonesian Journal of Networking and Security - IJNS Joutica : Journal of Informatic Unisla
Elly Muningsih
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknoinfo

 1 
KOMBINASI METODE K-MEANS DAN DECISION TREE DENGAN PERBANDINGAN KRITERIA DAN SPLIT DATA Elly Muningsih
Jurnal Teknoinfo Vol 16, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i1.1561

Abstract

Data mining merupakan suatu proses mencari pola atau menarik informasi data besar dan terpilih menggunakan teknik atau metode tertentu. Metode K-Means dan Decision Tree merupakan bagian dari teknik Data Mining. Penelitian ini akan mengkombinasikan metode K-Means untuk melakukan clustering data menjadi 3 cluster kemudian hasil dari clustering akan di klasifikasi menggunakan Metode Decision Tree dengan perbandingan kriteria Gain Ratio, Information Gain dan Gini Index. Data yang diolah di bagi (split) menjadi 2 yaitu data training dan data testing dengan prosentase 70:30, 80:20 dan 90:10. Hasil dari penelitian untuk menemukan kriteria mana yang menghasilkan pohon keputusan dan performa terbaik berdasarkan nilai akurasi tertinggi dari masing-masing kelompok data. Data diambil dari Repository UCI dengan jumlah 811 record dan 52 atribut. Dari pengolahan data yang dilakukan diketahui Untuk split data 70:30, nilai akurasi dengan kriteria Gain Ratio, Information Gain dan Gini Index mendapatkan nilai sama yaitu 97,53. Kriteria Gain Ratio dan Gini Index menghasilkan nilai akurasi tertinggi yaitu 98,15% untuk split data 80:20. Sedangkan Information Gain mendapat nilai akurasi tertinggi 98,77%  untuk split data 90:10. 
DIABETES PREDICTION SYSTEM “DIAPRES” BERBASIS OPTIMASI PARAMETER PADA METODE DECISION TREE Muningsih, Elly; Sutrisno, Sutrisno; Rizki, Fitriyani; Asiffa, Khurotul Dwi
Jurnal Teknoinfo Vol 18, No 1 (2024): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v18i1.3619

Abstract

Diabetes merupakan penyakit menahun (kronis) dimana komplikasi yang sering terjadi pada penderita dan mematikan adalah serangan jantung dan stroke. Menurut Riskesdaa 2018, baru sekitar 25% penderita diabetes mengetahui bahwa dirinya menderita diabetes. Untuk menekan jumlah penderita penyakit diabetes yang semakin bertambah, salah satu yang bisa dilakukan adalah deteksi dini dengan mengembangkan aplikasi prediksi penyakit diabetes memanfaatkan metode klasifikasi Data Mining. Penelitian ini akan mengoptimasi metode klasifikasi Decision Tree dengan Optimasi Parameter untuk menghasilkan akurasi tertinggi. Parameter yang dimaksud adalah Number of folds  pada Cross Validation dan pada metode Decision Tree adalah parameter Criterion, maximal depth, apply pruning dan apply pre pruning. Data yang digunakan diambil dari data publik Kaggle dengan jumlah 2000 record dan 9 atribut (1 atribut khusus). Evaluasi dilakukan dengan membandingkan hasil nilai akurasi sebelum dan sesudah optimasi. Dari eksperimen yang dilakukan diketahui sebelum optimasi nilai akurasi berkisar 76% - 80%, dan setelah optimasi nilai akurasi mencapai 98,00%. Kemudian hasil nilai akurasi tertinggi yang ditampilkan dalam pohon keputusan metode Decision Tree yang dikembangkan menjadi sebuah aplikasi Diabetes Prediction System ‘DIAPRES’ berbasis web. Metode pengembangan perangkat lunak menggunakan metode Waterfall dengan PHP-MySQL sebagai bahasa pemrograman yang digunakan dan Pengujian Aplikasi Black Box Testing.
Co-Authors Akbar, David Fauzan Akhmad Syukron Asiffa, Khurotul Dwi Budi Kristianto Choiriyatus Shiddiqiyah Fransisca Fransisca Natalia Gunawan Budi Sulistyo Hutapea, Lamhot Ina Maryani Indah Sulistyowati Lamhot Hutapea Nani Purwati Noor Hasan Noor Hasan Pudji Widodo Rizki, Fitriyani Sopian Aji Sri Kiswati Sutrisno, Sutrisno Syahroni, Mochamad Akbar Garudea Tri Wahyudi Trisna Nur Primantika Vadlya Ma'arif Vembria Rose Handayani Waspada, Afif Rahardi Yohana Desy Chrissetiyantari