Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
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 Journal of Artificial Intelligence and Technology Information EVOLUSI : Jurnal Sains dan Manajemen
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 : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Optimasi Metode Klasifikasi dengan Particle Swarm Optimization (PSO) dan Perbandingan Split Data untuk Prediksi Penyakit Diabetes Elly Muningsih; Sutrisno Sutrisno; Vembria Rose Handayani; Cindyra Galuhwardani
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 2 (2026): Volume 4 Number 2 June 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i2.266

Abstract

Diabetes merupakan suatu penyakit menahun (kronis) berupa gangguan metabolis yang ditandai dengan kadar gula darah yang melebihi batas normal. Prediksi awal penyakit Diabetes menjadi sesuatu yang penting agar tidak menjadi ancaman serius bagi penderitanya. Penelitian ini akan melakukan optimasi metode Machine Learning dengan reduksi fitur Particle Swarm Optimazation (PSO) dan perbandingan dataset training dan dataset testing untuk menemukan metode dengan performance terbaik dalam prediksi penyakit Diabetes. Metode Machine Learning yang dimaksud adalah metode klasifikasi Decision Tree (DT), Iterative Dichotomiser 3 (ID3), Random Forest (RF), Support Vector System (SVM), Naïve Bayes (NB), K-Nearest Neighbor (KNN) dan Neural Network (NN). Komparasi dilakukan dengan cara pada tiap matode, dataset yang digunakan dibagi menjadi data training dan data testing (validasi) dengan perbandingan 70:30, 80:20 dan 90:10. Pengukuran dengan cara tiap perbandingan dilihat nilai akurasi dan nilai AUC (kurva ROC) tertinggi pada data testing untuk menemukan performance terbaik. Dari olah data yang dilakukan diketahui untuk nilai Akurasi perbandingan data 70:30 metode DT, ID3 dan RF yang menghasilkan nilai tertinggi sama yaitu 96,79%. Untuk perbandingan 80:20 metode DT dan ID3 menghasilkan nilai tertinggi yaitu 97,12%. Dan perbandingan 90:10, metode ID3 menghasilkan nilai tertinggi yaitu 96,19%. Untuk nilai AUC metode RF menghasilkan nilai tertinggi untuk 3 perbandingan yaitu 0,995; 0,995 dan 0,998. Selanjutnya diketahui bahwa metode RF dan NN menjadi metode yang paling stabil dalam pengolahan menggunakan split data 70:30, 80:20 dan 90:10 ditinjau dari nilai akurasi dan nilai AUC.
Co-Authors Akbar, David Fauzan Akhmad Syukron Asiffa, Khurotul Dwi Budi Kristianto Choiriyatus Shiddiqiyah Cindyra Galuhwardani Fransisca Fransisca Natalia Gunawan Budi Sulistyo Hidayat Muhammad Nur Hutapea, Lamhot Ina Maryani Indah Sulistyowati Lamhot Hutapea Nani Purwati Noor Hasan Noor Hasan Pudji Widodo Rizki, Fitriyani Sopian Aji Sri Kiswati Sutrisno Sutrisno, Sutrisno Sutrisno, Sutrisno Syahroni, Mochamad Akbar Garudea Tri Wahyudi Trisna Nur Primantika Vadlya Ma'arif Vembria Rose Handayani Waspada, Afif Rahardi Yohana Desy Chrissetiyantari