Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Jurnal Pilar Nusa Mandiri JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL PENDIDIKAN TAMBUSAI INTI Nusa Mandiri Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi INFOKUM Akrab Juara : Jurnal Ilmu-ilmu Sosial Jurnal Minfo Polgan (JMP)
Wisti Dwi Septiani
Universitas Bina Sarana Informatika
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Library & Information Science Mathematics Medicine & Pharmacology Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
COMPARISON OF DECISION TREE, NAÏVE BAYES, AND NEURAL NETWORK ALGORITHM FOR EARLY DETECTION OF DIABETES Septiani, Wisti Dwi; Marlina, Marlina
Jurnal Pilar Nusa Mandiri Vol 17 No 1 (2021): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v17i1.2213

Abstract

Diabetes mellitus is included in the top 3 most deadly diseases in Indonesia. Based on WHO data in 2013, diabetes contributed 6.5% to the death of the Indonesian population. Diabetes is a chronic disease characterized by high blood sugar (glucose) levels that exceed normal limits. In the health sector, historical medical data can be processed to extract new information and can be used for decision-making processes such as disease prediction. This study aims to classify predictions for early detection of diabetes in order to obtain accurate results for decision making. The data used are historical data on hospital disease patients in Sylhet, Bangladesh in the form of a diabetes dataset from the UCI Repository. The algorithms used are Decision Tree, Naive Bayes, and Neural Network. Then the three methods are compared using the Rapidminer tools. The measurement results are 90% accuracy with Decision Tree, 80% with Naive Bayes, and 70% with Neural Network. So that the best algorithm is obtained, namely the Decision Tree for predicting early detection of diabetes. Rule in the form of a decision tree generated from the Decision Tree is used for input or ideas for decision making in the health sector for diabetes.
OPTIMASI ALGORITMA GENETIKA PADA ALGORITMA C4.5 UNTUK DETEKSI DINI PENYAKIT DIABETES Wisti Dwi Septiani; Untung Rohwadi
Akrab Juara : Jurnal Ilmu-ilmu Sosial Vol. 6 No. 5 (2021)
Publisher : Yayasan Azam Kemajuan Rantau Anak Bengkalis

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

Abstract

Diabetes melitus termasuk ke dalam 3 besar penyakit yang paling mematikan di Indonesia. Berdasarkan data WHO pada tahun 2013, diabetes menyumbang sebesar 6,5% pada kematian penduduk Indonesia. Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar gula (glukosa) dalam darah yang melebihi batas normal. Penelitian sebelumnya menggunakan metode klasifikasi data mining Algoritma C4.5 dan menunjukkan tingkat akurasi 95,96%. Tujuan dari penelitian ini adalah untuk meningkatkan nilai akurasi Algortima C4.5 dengan melakukan optimasi penambahan fitur seleksi Algoritma Genetika.Hasl dari penelitian lanjutan ini adalah pohon keputusan dan terjadi peningkatan nilai akurasi dari 95,96% menjadi 96,54% untuk prediksi deteksi dini penyakit diabetes.
Penerapan Sistem Informasi Akuntansi Pada Praktek Bidan Mandiri Wiwi Pujianti Menggunakan Software Akuntansi Accurate 5.0 Murniyati, Murniyati; Septiani, Wisti Dwi; Puspitorini, Indah; Novita, Diana
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13806

Abstract

Dalam dunia bisnis, pencatatan keuangan yang akurat dan teratur sangat penting. Hal ini dikarenakan data keuangan yang tepat dan terpercaya dapat memberikan informasi yang berguna untuk pengambilan keputusan bisnis yang tepat. Maka, untuk memudahkan proses pencatatan keuangan tersebut, banyak bisnis yang menggunakan software akuntansi berupa Accurate 5.0. Perusahaan membutuhkan sebuah sistem informasi akuntansi yang dapat menunjang aktivitas bisnisnya. Penerapan sistem informasi akuntansi sangat di perlukan dalam pengolahan transaksi keuangan perusahaan untuk mendapatkan informasi yang tepat dan cepat. Pengolahan data keuangan yang masih menggunakan pencatatan sederhana mulai dari mengumpulkan bukti transaksi, membuat jurnal sampai dengan laporan keuangan menyebabkan pengolahan transaksi keuangan mengalami banyak hambatan, yang menyebabkan proses pengambilan keputusan seringkali terlambat. Metode pengumpulan data yang digunakan antara lain metode wawancara, metode observasi, dan metode studi pustaka. Penerapan sistem informasi akuntansi menggunakan Software akuntansi Accurate 5.0 menjadi solusi untuk mengatasi masalah dalam menyusun laporan keuangan perusahaan. Dan menghasilkan informasi secara tepat, cepat, dan akurat.
Klasifikasi Gangguan Tidur Menggunakan Metode Decision Tree dan Algoritma Genetika Septiani, Wisti Dwi
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14585

Abstract

Pola tidur yang baik berperan penting dalam menjaga kesehaatan tubuh serta keseimbangan fisik dan mental seseorang. Gaya hidup yang sehat seperti pola makan, aktivitas fisik dan kebiasaan pola hidup sehat berperan penting dalam mempengaruhi kualitas tidur. Gangguan tidur merupakan masalah kesehatan yang semakin banyak dialami oleh individu global saat ini dan berpotensi memberikan dampak negatif terhadap kualitas hidup mereka. Dalam era kecerdasan buatan, analisis data menjadi salah satu pendekatan yang efektif untuk memahami pola dan prediksi terkait kesehatan. Tujuan penelitian ini adalah memprediksi gangguan tidur berdasarkan kualitas tidur dan gaya hidup. menggunakan algoritma klasifikasi data mining. Metode yang digunakan dalam penelitian ini adalah implementasi metode Decision Tree, dengan seleksi fitur menggunakan Algoritma Genetika untuk meningkatkan akurasi metode. Hasil penelitian ini adalah kenaikan nilai akurasi sebesar 10,72% dengan pengujian optimasi menggunakan metode Algoritma Genetika, juga dihasilkan pohon keputusan dari metode Decision Tree. Kesimpulan dari penelitian ini adalah metode optimasi Algoritma Genetika dapat membantu meningkatkan kehandalan dan rule yang dihasilkan dari pohon keputusan Metode Decision Tree dipilih karena mampu memberikan prediksi yang akurat dan menghasilkan rule dari phon keputusan yang mudah dipahami dan dapat membantu kita untuk memprediksi gangguan tidur sehingga dapat meningkatkan kesadaran akan pentingnya hidup sehat dengan menjaga kualitas tidur dan gaya hidup yang sehat. Hasil penelitian ini juga menunjukkan bahwa durasi tidur, tingkat stres, aktivits fisik, umur, dan BMI memberikan pengaruh signifikan terhadap kualitas tidur sesesorang.
Prediksi Diabetes Menggunakan Algoritma Random Forest dan Support Vector Machine Kuncoro, Krisnanto Dwi; Yudha, Rendy Galih Prasetya; Ariansyah, Azriel Alpanizar; Saputra, Renaldy; Septiani, Wisti Dwi; R, Syaifur Rahmatullah Abdul
Jurnal Pendidikan Tambusai Vol. 10 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v10i1.36506

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi penyakit diabetes menggunakan algoritma Random Forest dan Support Vector Machine (SVM). Diabetes merupakan penyakit kronis yang prevalensinya terus meningkat dan berpotensi menimbulkan berbagai komplikasi serius, sehingga diperlukan metode prediksi yang akurat untuk mendukung deteksi dini dan pencegahan. Data yang digunakan dalam penelitian ini mencakup parameter klinis dan fisiologis seperti kadar glukosa darah, tekanan darah, indeks massa tubuh (BMI), usia, riwayat keluarga, serta variabel kesehatan lainnya yang relevan.
Laptop Price Prediction Based on Technical Specifications Using the Random Forest Algorithm Syahrani, Nabillah Nasywa; Wahyudi, Satria Nouval; Afendra, Antonious Ariel; Septiani, Wisti Dwi; Abdul, Syaifur Rahmatullah
INFOKUM Vol. 14 No. 02 (2026): Infokum, March-April 2026
Publisher : Sean Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58471/infokum.v14i02.3066

Abstract

This study develops a laptop price prediction model based on technical specifications using the Random Forest Regressor algorithm. The dataset, obtained from publicly available platforms such as Kaggle, comprises several key attributes, including brand, device category, processor type, user rating, and price. The analytical procedure involves data preprocessing, categorical feature encoding, model training, and performance evaluation. The evaluation results demonstrate strong predictive performance, with an R² value of 0.938, an RMSE of 22,021, and an MAE of 12,667, indicating high prediction accuracy and the model’s ability to explain more than 93% of the variance in laptop prices. These findings suggest that the Random Forest algorithm is highly effective for developing specification-based laptop pricing models and shows substantial potential for implementation in e-commerce platforms and automated pricing recommendation systems.
Co-Authors Abdul, Syaifur Rahmatullah Afendra, Antonious Ariel Andreyestha Andreyestha Ariansyah, Azriel Alpanizar Diana Novita Diana Novita Eko Pramono, Eko Fajar Akbar, Fajar Indah Puspitorini Indah Puspitorini Ivo Grizelda Kuncoro, Krisnanto Dwi Marlina Marlina Masruri Sentiko , Ahmad Muhamad Ikhsan Ibrahim Murniyati Murniyati, Murniyati Narti Narti Noer Hikmah Octa Pratama Putra Popon Handayani R, Syaifur Rahmatullah Abdul Richky Faizal Amir Saputra, Renaldy Sri Utami Syahrani, Nabillah Nasywa Untung Rohwadi Wahyudi, Satria Nouval Yudha, Rendy Galih Prasetya