Article Per Year (5 Year)
p-Index From 2021 - 2026
11.066
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Annual Research Seminar CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTT (Jurnal Teknologi Terpadu) IJIE (Indonesian Journal of Informatics Education) Jurnal Manajemen STIE Muhammadiyah Palopo MBR (Management and Business Review) JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Digital Zone: Jurnal Teknologi Informasi dan Komunikasi The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) JURTEKSI JOISIE (Journal Of Information Systems And Informatics Engineering) INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) SOSIOEDUKASI : JURNAL ILMIAH ILMU PENDIDIKAN DAN SOSIAL Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Darma Agung Jurnal Bisnis, Manajemen, dan Ekonomi Jurnal Generic Jurnal Pendidikan dan Teknologi Indonesia Djtechno: Jurnal Teknologi Informasi Jurnal Algoritma Jurnal Teknologi dan Manajemen Industri Terapan Indonesian Journal Computer Science (ijcs) Jurnal Indonesia Sosial Teknologi The Indonesian Journal of Computer Science Management Analysis Journal Scientific Journal of Informatics Journal of Mathematics, Computation and Statistics (JMATHCOS) Buffer Informatika Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Ken Ditha Tania
Jurusan Sistem Informasi, Universitas Sriwijaya
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 96 Documents
Search

 2   3   4   5   6 
ANALISIS POLA GEJALA PCOS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Aulia, Cantika; Robani, M Tsabita; Nadrota Acta, Muhammad Fakhri; Mas Ud, Khalid Al; Saputra, Marco; Tania, Ken Ditha; Sari, Winda Kurnia
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4939

Abstract

Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosa karena gejalanya beragam. Dengan menggunakan algoritma K-Means, hasil clustering menunjukkan tiga kategori utama: ringan, sedang, dan berat. Setiap klaster mencerminkan kombinasi gejala seperti siklus menstruasi tidak teratur, pertumbuhan rambut berlebih, dan perubahan suasana hati. Pendekatan ini efektif dalam membantu pemahaman pola distribusi gejala PCOS serta mendukung pengambilan keputusan medis yang lebih tepat.
Penerapan Manajemen Pengetahuan dalam Pengembangan dan Keberlanjutan Pengetahuan di Komunitas Belajar Amelia Putri, Shinta; Indira Nailah Ramadhani; Cahya Rahmi Anissa; Audia Faradhisa Ansori; Ken Ditha Tania; Ahmad Rifai
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 2 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i2.612

Abstract

Pengetahuan adalah aset penting untuk daya saing global. Untuk mengelola dan mengoptimalkan pengetahuan, diperlukan strategi yang sistematis melalui pendekatan manajemen pengetahuan. Konsep ini bertujuan untuk mengorganisasikan dan mendokumentasikan pengalaman serta wawasan dalam meningkatkan efektivitas pembelajaran di dalam suatu komunitas. Penerapan manajemen pengetahuan dapat memperkuat jaringan kolaboratif, mendorong inovasi, serta menjaga keberlanjutan pengetahuan bagi para anggota komunitas. Penelitian ini mengadopsi metode studi pustaka dengan mengumpulkan dan menganalisis berbagai sumber terpercaya, seperti jurnal akademik dan buku referensi, untuk mendapatkan wawasan mendalam tentang peran manajemen pengetahuan dalam komunitas. Temuan penelitian menunjukkan bahwa strategi berbagi pengetahuan melalui forum terbuka, sistem dokumentasi berbasis digital, dan pendampingan terbukti efektif. Selain itu, kepemimpinan adaptif dan teknologi yang mendukung berbagi pengetahuan menjadi faktor kunci keberhasilan penerapan manajemen pengetahuan. Dengan demikian, penerapan manajemen pengetahuan dalam komunitas pembelajar tidak hanya memudahkan akses terhadap informasi yang relevan, tetapi juga mendorong terciptanya lingkungan yang lebih dinamis dan inovatif. Penelitian ini diharapkan dapat menjadi acuan bagi komunitas dalam merancang strategi optimal untuk menjaga dan mengembangkan pengetahuan secara berkelanjutan.
Pengembangan Dan Evaluasi Knowledge Management System Berbasis Android dengan Pendekatan Rational Unified Process (RUP) untuk Manajemen Rumah Kos Fahmi Aulia Hakim, Adzka; Alfarizi Ramadhiyansa, Muhammad; Dwiansyah, Octa; Afdhal Nadzif, Muhammad; Dzaky Agusman, Muhammad; Ditha Tania, Ken; Rifai, Ahmad
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 2 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i2.618

Abstract

Kemajuan teknologi informasi telah memicu digitalisasi di berbagai sektor, termasuk dalam manajemen rumah kos. Sistem manajemen kos tradisional yang masih dilakukan secara manual sering mengalami masalah dalam pencatatan data penghuni, pembayaran, dan perawatan fasilitas, yang dapat mengakibatkan kesalahan dan ketidakefisienan dalam pengelolaan. Studi ini bertujuan menciptakan sistem manajemen pengetahuan (KMS) berbasis Android untuk Arina Kos dengan menerapkan metode Rational Unified Process (RUP) untuk meningkatkan efisiensi operasional serta kualitas layanan bagi penghuni kos. Proses pengembangan perangkat lunak melibatkan tahap Inception, Elaboration, dan Construction dengan pemodelan sistem memakai Unified Modelling Language (UML). Hasil pengujian dengan metode Black Box Testing menunjukkan bahwa semua fitur sistem beroperasi dengan baik sesuai dengan spesifikasi yang telah dirancang, dengan tingkat keberhasilan uji mencapai 100%. Evaluasi dengan System Usability Scale (SUS) menghasilkan nilai 84,21, yang menunjukkan sistem sangat mudah digunakan. Penelitian ini juga mengisi celah yang belum banyak diteliti, yaitu penerapan KMS Android dengan RUP untuk manajemen rumah kos, serta kontribusi untuk peningkatan efisiensi dan komunikasi dalam pengelolaan kos.
PENDEKATAN KLASIFIKASI DALAM KNOWLEDGE DISCOVERY UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN BANDARA SULTAN MAHMUD BADARUDDIN II DI GOOGLE MAPS Nachwa, Syakillah; Khoiriyah Harahap, Dayana; Theresia Pardede, Eva; Nashiroh Ramadhani, Muthia; Anindya Putri, Salsa; Rositiani, Ely; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13776

Abstract

Sultan Mahmud Badaruddin II (SMB II) merupakan bandara utama di Sumatera Selatan yang berperan krusial untuk mobilitas regional. Kepuasan penumpang terhadap layanan bandara dapat dievaluasi melalui ulasan pengguna di Google Maps. Namun, volume ulasan yang besar menghadirkan tantangan dalam mengekstrak informasi yang bermakna. Studi ini menggunakan Aspect-Based Sentiment Analysis (ABSA) untuk melihat opini publik terhadap layanan Bandara SMB II menggunakan pendekatan klasifikasi dengan enam aspek yang dianalisis, yaitu check-in, keamanan, kenyamanan, lingkungan bandara, fasilitas dasar, dan mobilitas. Sebanyak 1.018 ulasan diperoleh dan diproses melalui tahapan preprocessing, data labeling, penyeimbangan data dengan SMOTE, ekstraksi fitur (TF-IDF), serta klasifikasi menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dengan skenario pembagian data 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario terbaik diperoleh pada perbandingan 90:10, yaitu model SVM mencapai kinerja terbaik dengan nilai accuracy sebesar 0.857, precision 0.839, recall 0.883, dan F1-score 0.860 melampaui Naïve Bayes dan Random Forest. Analisis sentimen telah menunjukkan bahwa aspek lingkungan bandara menerima sentimen positif tertinggi, tetapi aspek fasilitas dasar cenderung menerima ulasan negatif. Pengetahuan ini bisa menjadi dasar bagi pengelola Bandara SMB II untuk meningkatkan layanan mereka berdasarkan aspek-aspek yang paling berpengaruh terhadap pengalaman penumpang.
PENILAIAN KOMPARATIF METODE KLASIFIKASI NEURAL NETWORK DAN RANDOM FOREST UNTUK KNOWLEDGE DISCOVERY PADA PENYAKIT DIABETES Aqil Zidane, Muhammad; Naufaldihanif, Rihan; Nuraini Kusuma, Aisha; Hanggara, Bryan; Clark Peter Wijaya, Adley; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13828

Abstract

Penelitian ini membahas penerapan data mining dalam prediksi diabetes, yang menjadi isu penting dalam bidang kesehatan dan teknologi informasi. Permasalahan utama yang diangkat adalah tingginya angka penderita diabetes yang sering terlambat terdiagnosis, yang berdampak pada meningkatnya risiko komplikasi serius dan biaya perawatan yang tinggi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi diabetes yang lebih akurat menggunakan teknik data mining. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan teknik pengumpulan data melalui analisis dataset diabetes menggunakan algoritma klasifikasi seperti Random Forest, dan Neural Network. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki tingkat akurasi tertinggi sebesar 96,88% dibandingkan metode Neural Network dengan akurasi sebesar 89,23%, yang mengindikasikan bahwa metode Random Forest ini efektif dalam mendeteksi potensi pre-diabetes lebih dini. Kesimpulan dari penelitian ini menegaskan bahwa pemanfaatan data mining dapat meningkatkan akurasi prediksi pre-diabetes serta memberikan rekomendasi bagi tenaga medis dalam pengambilan keputusan diagnostik.
KNOWLEDGE DISCOVERY DALAM PREDIKSI NILAI SISWA BERDASARKAN BULAN KELAHIRAN SISWA DI SMP NEGERI 2 TUNGKAL JAYA MENGGUNAKAN NAIVE BAYES Haidar Afif Mufid, Muhammad; Attika Putri, Shopi; Gustiani, Sindy; Wirnanti, Rintan; Sabar Manahan, Nico; Ditha Tania, Ken; Rifai, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13864

Abstract

Pendidikan memiliki peran yang sangat penting dalam membentuk kualitas akademik siswa, di mana prestasi belajar dipengaruhi oleh berbagai faktor, baik yang bersifat internal maupun eksternal. Penelitian ini fokus pada hubungan antara bulan kelahiran dengan pencapaian nilai siswa di SMP Negeri 2 Tungkal Jaya, yang selama ini masih menggunakan metode tradisional tanpa mempertimbangkan faktor non-tradisional seperti bulan kelahiran. Tujuan dari penelitian ini adalah untuk membangun model prediksi nilai siswa menggunakan metode Naive Bayes, yang dapat membantu sekolah dalam mengidentifikasi siswa yang berisiko mengalami kesulitan akademik berdasarkan bulan kelahirannya, sekaligus memberikan rekomendasi untuk strategi pembelajaran yang inklusif. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Databases (KDD), yang melalui beberapa tahapan, dimulai dari pengumpulan data dari 123 siswa, kemudian melakukan preprocessing dengan mengklasifikasikan nilai ke dalam kategori A, B, dan C, dilanjutkan dengan transformasi, dan terakhir melakukan data mining menggunakan Naive Bayes di RapidMiner. Hasil evaluasi menunjukkan bahwa akurasi tertinggi dicapai pada nilai IPS, yaitu sebesar 72,75%, sementara akurasi terendah terdapat pada Matematika dengan 40,30%. Rata-rata akurasi prediksi untuk Bahasa Indonesia, Bahasa Inggris, dan rapor berada di atas 70%.
KOMPARASI RIDGE REGRESSION, RANDOM FOREST, DAN GRADIENT BOOSTING UNTUK PREDIKSI CURAH HUJAN HARIAN DI SUMATRA SELATAN BERBASIS TIME SERIES CROSS-VALIDATION Alvines, Mahendi; Ravi Wijayanto, Muhammad; Archi Daffa Danendra, Muhammad; Rizky Herdiansyah, Muhammad; Karimsyah Lubis, Muhammad; Ichsan Farel Rachmad, Muhammad; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13915

Abstract

Penelitian ini menganalisis pendekatan komparatif model regresi linear dan non-linear untuk prediksi curah hujan di Sumatera Selatan, Indonesia, menggunakan data klimatologi BMKG tahun 2024. Hal tersebut didasarkan pada perubahan iklim yang meningkatkan ketidakpastian pola curah hujan di Sumatera Selatan, mengancam sektor pertanian dan pengelolaan air. Komparasi ini bertujuan untuk membandingkan kinerja model regresi linear dan non-linear untuk prediksi curah hujan harian di Sumatera Selatan, serta mengidentifikasi prediktor utama yang memengaruhi curah hujan. Metodologi penelitian mengadopsi kerangka Knowledge Discovery in Database (KDD) dengan tahapan pengumpulan data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Lima model machine learning dibandingkan: Linear Regression, Ridge Regression, Lasso Regression, Random Forest, dan Gradient Boosting, dengan validasi menggunakan TimeSeriesSplit untuk mempertahankan struktur temporal data. Hasil analisis menunjukkan Ridge Regression sebagai model terbaik dengan RMSE 14.62 mm, meskipun nilai R² negatif (-0.69) mengindikasikan keterbatasan model dalam menangkap variabilitas penuh data. Analisis koefisien regresi Ridge menunjukkan bahwa RR_LAG_1 juga berkontribusi signifikan (koefisien: 0.45). Konsistensi prediktor antar model memperkuat validitas temuan, sedangkan model secara konsisten mengalami kesulitan memprediksi kejadian curah hujan ekstrem (>50 mm). Pendekatan berbasis ensemble (Random Forest/Gradient Boosting) menunjukkan stabilitas prediksi lebih tinggi dengan deviasi RMSE <5 mm. Penelitian ini dapat memberikan masukan bagi pengembangan model prediksi curah hujan yang dapat mendukung sektor pertanian, pengelolaan sumber daya air, dan mitigasi bencana di Sumatera Selatan. Studi lanjutan dengan model hybrid dan dataset yang lebih lengkap disarankan untuk validasi lebih lanjut.
PERBANDINGAN ALGORITMA K-MEANS, K-MEDOID, DAN DBSCAN UNTUK CLUSTERING KUALITAS HIDUP INDONESIA DALAM PERSPEKTIF KNOWLEDGE MANAGEMENT DAN DATA DISCOVERY Ramadhan Putra Pratama, Muhammad; Izzan Fieldi, Muhammad; Syarief Albani, Muhammad; Al Fachrozi, Muhammad; Rangga Aderiyana, Fakih; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13916

Abstract

Kemajuan era digital mendunia memaksa manusia harus semakin peka dalam menggunakan teknologi dalam setiap aspek kehidupan. Khususnya pergerakan kualitas hidup di Indonesia, tantangan dalam menentukan metode yang paling baik untuk mengelompokkan wilayah berdasarkan indikator kualitas hidup. Permasalahannya adalah keberhasilan/keketepatan metode dalam melakukan clustering wilayah dengan karakteristik data yang berbeda-beda seperti pada kasus data yang kompleks, termasuk dataset yang mengandung outlier dan noise. Dampaknya pada efektivitas strategi pemerintah dan stakeholder yang mengimplementasikan post-strategi dengan memperhatikan hasilseling wilayah. Untuk itu, penelitian ini mengevaluasi metode clustering untuk memberikan representasi clustering yang lebih dekat dengan nilai aslinya dan efektivitas penerapannya pada masing-masing style dan design. Penelitian ini bertujuan untuk membanding kinerja dari tiga metode clustering, yaitu K-Means, Medoid Clustering, dan DBSCAN dalam mengelompokkan wilayah berdasarkan kualitas hidup di Indonesia. Prioritas penelitian ini adalah untuk menemukan beberapa metode clustering yang memberikan hasil yang lebih akurat, serta aplikatif untuk masing-masing hasil post-strateginya. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama, K-Means, Medoid Clustering, dan DBSCAN. Data dianalisis menggunakan teknik clustering yang berbeda dengan setiap metode clustering untuk mengevaluasi keefektifan, stabilitas, dan allevasi outlier dan noise. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama: K-Means, Medoid Clustering, dan DBSCAN. Data dikumpulkan dari berbagai sumber terkait indikator kualitas hidup, lalu dianalisis menggunakan teknik clustering untuk mengevaluasi efisiensi, stabilitas, dan ketahanan metode terhadap outlier serta noise. Hasil penelitian ini meningkatkan kontribusi pemerintah dalam memberikan strategi post bagi stakeholder berdasarkan hasil clustering. Integrasi kontribusi Knowledge Management dan Data Discovery dengan hasil clustering meningkatkan keefektifan analisis wilayah dalam luaran analisis strategi. Dalam studi selanjutnya, diharapkan memberikan data yang lebih akurat dengan menggunakan metode hybrid clustering atau machine learning.
PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM PREDIKSI PEMENANG PERTANDINGAN PES 2021 Aqilah Syahputra, M Fathan; Ikhwan Najatafani, Bintang; M Luthfi Khailani, Kgs; Albukhori, M Rafli; Akbar Adiprama, Faris; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13941

Abstract

E-sports telah berkembang menjadi industri kompetitif yang memerlukan analisis data untuk meningkatkan strategi permainan dan prediksi hasil pertandingan. Salah satu tantangan utama dalam bidang ini adalah memprediksi hasil pertandingan dengan tingkat akurasi tinggi, terutama dalam game Pro Evolution Soccer (PES) 2021. Permasalahan dalam penelitian ini berfokus pada efektivitas algoritma kecerdasan buatan dalam menangani berbagai variabel pertandingan, seperti strategi tim, performa pemain, dan statistik pertandingan, untuk menghasilkan prediksi yang akurat. Penelitian ini bertujuan untuk membandingkan akurasi algoritma Naïve Bayes dan Decision Tree dalam memprediksi pemenang pertandingan PES 2021. Dengan membandingkan kedua metode ini, penelitian ini diharapkan dapat mengidentifikasi algoritma yang lebih efektif dalam melakukan prediksi berbasis data. Metode penelitian meliputi pengumpulan data pertandingan PES 2021, tahap pra-pemrosesan untuk membersihkan dan menyusun data, pelatihan model menggunakan algoritma Naïve Bayes dan Decision Tree, serta evaluasi akurasi menggunakan confusion matrix sebagai metrik penilaian. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Decision Tree dalam memprediksi pemenang pertandingan. Temuan ini memberikan wawasan bagi pengembangan model prediksi yang lebih akurat di bidang e-sports serta membantu pemain dan analis dalam menyusun strategi berdasarkan prediksi hasil pertandingan.
ANALISIS FAKTOR RISIKO PEMICU SERANGAN JANTUNG DI INDONESIA, MENGGUNAKAN METODE KLASIFIKASI (DECISION TREE, NAIVE BAYES, DAN RANDOM FOREST) Andini Bahri, Cheisya; Tri Zafira, Zahra; Ayuningtiyas, Pratiwi; Al-Farisy, M Hadi; Alfarizi, M.; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13945

Abstract

Serangan jantung merupakan penyakit yang menyebabkan tingginya angka kematian di Indonesia, di mana penyakit tersebut dipengaruhi oleh beberapa faktor dan risiko, yaitu konsumsi alkohol, kebiasaan merokok, tingkat depresi, dan juga hipertensi. Dilakukannya penelitian ini dengan tujuan untuk melakukan kegiatan analisis pengaruh dari faktor-faktor tersebut dengan penyakit serangan jantung, penelitian ini menggunakan metode klasifikasi (Decision Tree, Naïve Bayes, dan Random Forest, berdasarkan data yang terdapat pada aplikasi Kaggle dengan judul Heart Attack Indonesia. Analisis pada penelitian ini dilakukan dengan bantuan tools (RapidMiner) untuk membandingkan performa dari ketiga metode klasifikasi dengan perbandingan rasio 70/30, 80/20, dan 90/10. Sehingga mendapatkan hasil analisis tertinggi yaitu metode Decision Tree dan Naïve Bayes memiliki akurasi yang sama, yaitu 74.97%, sedangkan metode Random Forest memiliki akurasi yang lebih rendah, yaitu 67.14%. Berdasarkan evaluasi menggunakan kurva ROCs, Decision Tree terbukti lebih efektif dalam mengklasifikasikan faktor risiko dibandingkan metode lainnya.
Co-Authors Abdillah Putra, Muhafsyah Adeliani, Adeliani Adriansyah, Rizki Afdhal Nadzif, Muhammad Ahmad Rifai Ahmad Rifai Akbar Adiprama, Faris Akbar Kurniawan, Iqbal Akbar, Rifko Akhda, M. Dandi Al Fachrozi, Muhammad Al-Farisy, M Hadi Albani, Muhammad Syarief Albukhori, M Rafli Alfarizi Ramadhiyansa, Muhammad Alfarizi, M. Ali Bardadi Ali Ibrahim Ali Ibrahim (SCOPUS ID: 57203129436) Allsela Meiriza, Allsela Alsella Meiriza Alsella Meiriza Alvines, Mahendi Alzena Aisha Shakira Amanda Ardhani, Dhita Amelia Amelia Amelia Putri, Shinta Amelia, Rita Anadia, Qothrunnada Wafi Ananda Khoirunnisa Andini Bahri, Cheisya Andini, Meisya Dwi Anggun Ramadina Anindya Putri, Salsa Anisa Basulina, Nur Anissa, Cahya Rahmi Apriansyah Putra Apriansyah Putra Apriyadi Apriyadi, Apriyadi Aqil Zidane, Muhammad Aqilah Syahputra, M Fathan Archi Daffa Danendra, Muhammad Ardhillah, Onky Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Ary Pratama, Muhammad Mayda Athallah Ubaid, Deni Attika Putri, Shopi Audia Faradhisa Ansori Aulia, Cantika Aurelia, Haaniyah Ayuningtiyas, Pratiwi Azmi Zaky, Muhammad Azra, Muhammad Azyumardi Bahri, Cheisya Andini Baidhawi, Alif Bimmo Fathin Tammam Cahya Aulia, Syifa Cahya Rahmi Anissa Catra, Rafa Nadira Cici Elna Sari Citra, Belia Clark Peter Wijaya, Adley Constancio, Elven Dedy Kurniawan Dian Febriansyah Dwiansyah, Octa Dzaky Agusman, Muhammad Eka Saputra Eka Sevtiyuni, Putri Elna Sari, Cici Endang Lestari Ruskan Epriyanti, Nadia Fachrozi, Muhammad Al Fahmi Aulia Hakim, Adzka faizah, haniyah Fajaria, Mutiara Fakhri Sepriansyah Fakhri Sepriansyah Farhan Daffazka Fathoni - Fatihaturrahmah, Aisyah Fatimah, Aisyah Fauzan, Muhammad Fairuz Fikri, M Fauzan Firmansyah, Zikri Gustiani, Sindy Haidar Afif Mufid, Muhammad Hanggara, Bryan Hendrawan, Deni Agus Hermanto, Muhammad Lucky Hikmahwarani, Fellycia Homausyah, Weli Ratri Ichsan Farel Rachmad, Muhammad Ikhwan Najatafani, Bintang Inayah, Anna Fadilla Indira Nailah Ramadhani Ispahan, Tarisha Izzan Fieldi, Muhammad Jackson Imanuel Manurung Jodi Pratama, Muhammad Jonathan Pakpahan Karima, Dzakiah Aulia Karimsyah Lubis, Muhammad Khoiriyah Harahap, Dayana Kurnia Sari, Winda Lakeisyah, Eka Therina Lifiano Jamot Munthe, Gabriel Lubis, Muhammad Ali M Ihsan Jambak M Luthfi Khailani, Kgs M Naufal Hisyam M. Ilham Fahlevi Mahdiyah Afifah Sari Mahdiyah Afifah Sari Maretta, Aulia Pinkan Mariska, Inneke Via Marshella, Siti Hariza Mas Ud, Khalid Al Maulana, Rahmat Maulizidan, Muammar Ramadhani Meiriza, Allsella Meiriza, Alsella Miftahul Falah Mira Afrina Mohd Rizky Putra Pratama Mufidah, Luthfiah Muhammad Adisatya Dwipansy Muhammad Dzaky Alifayoezra Muhammad Idris Muhammad Ihsan Dirgantara Muhammad Luthfi Al-Ghifari Muhammad Luthfi Al-Ghifari Munaspin, Zahra Diva Putri mutia fadhila putri, mutia fadhila Nabilatulrahmah, Raihana Nachwa, Syakillah Nadrota Acta, Muhammad Fakhri Najibah Putri, Aulia Najwa Widasari, Yesya Naretha Kawadha Pasemah Gumay Nashiroh Ramadhani, Muthia Naufaldihanif, Rihan Novrizal Eka Saputra Nugraha, Allan Nulry Izzatul Maula Nuraini Kusuma, Aisha Nurly Izzatul Maula Onkky Alexander Pacu Putra Prasetia, Dika Pratama Putra, Daffa Pratiwi, Metti Detricia Purba, Kevin Agustin Putri Ariyanti Putri Casanova, Musdalifa Putri Mutiara Arinie Putri Salsabilah Putri Silpiara Putri, Amelia Rizki Putri, Aulia Najibah Putri, Naila Raihana Putri, Salsa Anindya Rabbani, Muhammad Randy Raditya Dafa Rizki Rafika Octaria Ningsih Rafli Maulana, Muhammad Rahmah, Atika Nur Rahman, M. Fadhil Rahmat Izwan Heroza Ramadhan Putra Pratama, Muhammad Ramadhani, Indira Nailah Rangga Aderiyana, Fakih Ravi Wijayanto, Muhammad Riansyah, Muhammad Bintang Naufal Risyahputri, Aliyananda Rizka Mumtaz, Fadia Rizki Ade Ningsih Rizky Herdiansyah, Muhammad Rizkyllah, Anabel Fiorenza Robani, M Tsabita Rositiani, Ely Sabar Manahan, Nico Sabila, Amalia Sahira, Mutia Salsabila, Adella Salsabila, Shofi Sanjaya, Riska Amelia Saputra, Marco Sasmita, Ruth Mei Satria, Eka Bayu Sembiring Depari, Alrayssa Davinka Septhia Charenda Putri Sevtiyuni, Putri Eka Shelly Putri Siade, Shalya Yunia Siregar, Richi Nauli Juniarto Siswahyudianto Suci Amalia Suci Fitriani, Suci Sukamto, Ika Sumiyarsi Sukatin, Sukatin Syarief Albani, Muhammad Talitha Zafirah Theonady, Oktavio Theresia Pardede, Eva Theressa Hasioani Sianturi, Claudia Tika Octri Dieni Titiana, Nuke Merisca Tri Zafira, Zahra Triana, Ayu Triputra, Muhamad Meiko Tsabitah, Laila Ummu Farida Muthmainnah Wahyuni Cahnia Sari Wilantara, M Pandu Winda Kurnia Sari Wirnanti, Rintan Wulan Dari, Atikah Yamani, Zaqqi Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Zahran Afif, Muhammad Zaqqi Yamani Zaqqi Yamani Zaqqi Yamani A Zaskia Aulia Wulandari Zidan, Umar Rahman