Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal CoreIT

Pencarian Hubungan Adverse Event pada Obat Penenang dengan Apriori Heriza, Meilinda; Fikri, Muhammad; Handayani, Lestari
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 2, No 2 (2016): Desember 2016
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (878.165 KB) | DOI: 10.24014/coreit.v2i2.2390

Abstract

SSRI (Selective Serotonin Reuptake Inhibitor) merupakan salah satu jenis obat antidepresan yang dikonsumsi penderita gangguan kecemasan dan gangguan panik dan juga paling banyak digunakan diseluruh dunia, karena diyakini mengurangi resiko bunuh diri. Sebuah Badan Pengawas Obat dan Makanan di Amerika Serikat FDA (Food and Drug Administration) menemukan gejala baru yang tidak biasa disebabkan karena mengkonsumsi obat anti depresan golongan SSRI (Selective Serotonin Reuptake Inhibitor) yaitu memungkinkan pengguna obat ini memiliki keiinginan untuk melakukan ide dan perilaku keinginan untuk bunuh diri. Data mengenai gejala baru yang ditemukan ini berasal dari seluruh data laporan Rumah Sakit dan Dokter di Amerika Serikat. Penelitian ini bertujuan untuk melihat persentase hubungan adverse event pada obat penenang dengan menggunakan algoritma apriori. Data penelitian yang digunakan berjumlah 150.398 data. Hasil dari pengujian memberikan persentase support yang tertinggi berdasarkan seluruh kategori adverse event yaitu pada kombinasi adverse event suicidal behaviour dengan obat penenang paroxetine dengan persentase nilai support 0,05% dan persentase nilai confidence 80,00%.
APPLICATION OF K-NEAREST NEIGHBOR REGRESSION METHOD FOR RICE YIELD PREDICTION Handayani, Lestari; Alfarabi.B, Alif; Aprilia, Tasya; Wulandari, Indah; Jasril, Jasril; Ramadhani, Siti; Budianita, Elvia
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 11, No 1 (2025): June 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/coreit.v11i1.30907

Abstract

Rice plants with the Latin name Oryza Sativa are food plants that are widely used as the main food crop in various countries, one of which is Indonesia. Indonesia is ranked 4th as the largest rice consuming country in the world. This requires the availability of rice to be maintained. Unstable rice production can be a problem. One of the districts that has experienced a decline in rice production in recent years is the district of Lima puluh kota located in West Sumatra province. This requires prediction of rice production so that it can be used as a benchmark for the future. This study uses data on rice production in fifty cities from 2013 to 2023. The method used to predict is k-nearest neighbor regression (KNN Regression). The data division uses rasio 90 : 10. In testing the data used is divided into 2, namely normal data and data that has been normalized. The test results produce the smallest mean absolute percentage error (MAPE) value of 6.98% on normal data, the value of k is 6 with data division using k-fold 5. Based on the resulting MAPE value, it can be said that KNN Regression can predict rice production results very accurately.