Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal Seminar Nasional Informatika (SEMNASIF) Sinkron : Jurnal dan Penelitian Teknik Informatika Informatics for Educators and Professional : Journal of Informatics JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology J I M P - Jurnal Informatika Merdeka Pasuruan Applied Information System and Management Energi & Kelistrikan JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Jurnal Sistem informasi dan informatika (SIMIKA) Jurnal Infortech Journal of Intelligent Computing and Health Informatics (JICHI) Teknologika Indonesian Journal Computer Science (ijcs)
Karlena Indriani
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering Medicine & Pharmacology Public Health Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Infortech

 1 
Analisa Prediksi Penyakit Hiv Menggunakan Random Forest Fatorohman, Muhammad Nabilla; Indriani, Karlena; Winnarto, Monikka Nur
Jurnal Infortech Vol 6, No 2 (2024): Desember 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v6i2.24436

Abstract

Human immunodeficiency virus (HIV) adalah infeksi yang menyerang sistem kekebalan tubuh dengan menargetkan sel darah putih, sehingga melemahkan sistem kekebalan. Akibatnya, penderita lebih rentan terhadap penyakit seperti tuberkulosis, infeksi, dan beberapa jenis kanker. HIV ditularkan melalui cairan tubuh orang yang terinfeksi, termasuk darah, ASI, air mani, dan cairan vagina, tetapi tidak menyebar melalui ciuman, pelukan, atau berbagi makanan. Penularan juga dapat terjadi dari ibu ke bayi. Penelitian ini bertujuan untuk menganalisis prediksi perkembangan penyakit HIV pada individu menggunakan algoritma Random Forest melalui aplikasi RapidMiner. Hasil pengujian data dengan algoritma Random Forest menunjukkan akurasi sebesar 92,86%, yang menandakan model prediksi yang baik. Nilai recall sebesar 91,43% menunjukkan tingkat keberhasilan sistem dalam mengidentifikasi informasi secara benar, sedangkan presisi sebesar 94,12% menunjukkan ketepatan sistem dalam memberikan informasi yang akurat. F1-Score sebesar 86,50% menunjukkan keseimbangan antara presisi dan recall, menggambarkan model yang efektif dalam analisis prediksi HIV
Klasifikasi Diagnosis Penyakit Diabetes Menggunakan Algoritma C4.5 Cahyani, Indah Sagita; Indriani, Karlena; Winnarto, Monikka Nur
Jurnal Infortech Vol 7, No 1 (2025): Juni 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.26030

Abstract

Kesehatan memiliki peranan yang  sangat penting untuk menunjang kehidupan manusia, dengan memiliki kesehatan yang baik, manusia dapat melakukan aktifitas dengan produktif dalam sosialisasi atau ekonomi untuk mecapai tujuan hidup. Salah satu penyakit yang dapat mengakibatkan komplikasi bahkan kematian adalah penyakit diabetes. Angka kematian yang tinggi yang diakibatkan oleh penyakit diabetes sangat mengkhawatirkan, diagnosis dini begitu penting dilakukan untuk menekan angka kematian. Selain itu diagnosis dini juga merupakan titik awal penderita untuk mencegah terjadinya diabetes lebih parah dengan melakukan pola hidup sehat agar tidak mengalami komplikasi. Diagnosa penyakit diabetes pada manusia salah satunya dapat dilakukan dengan menerapkan algoritma Machine Learning yaitu C4.5. Penelitian ini bertujuan melakukan diagnosa penyakit diabetes untuk menghindari keterlambatan diagnosis yang dapat mengakibatkan komplikasi pada pasien pengidap penyakit diabetes dengan menggunakan Algoritma C4.5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam penelitian ini terdapat beberapa atribut klasifikasi yaitu gender, age, urea, creatinine, HbA1c, cholesterol, trigeliserida, HDL, LDL, VLDL, dan BMI. Hasil dari penelitian ini dijadikan sebagai acuan untuk dapat melihat apakah seseorang terkena diabetes atau tidak. Hasil akhir dari penelitian ini yaitu menghasilkan nilai akurasi sebesar 99.47%, dimana nilai ini menandakan bahwa algoritma C4.5 mampu melakukan diagnosis penyakit diabetes dengan baik.
Co-Authors Ade Christian Ade Christian Ade Christian, Ade Adi Supriyatna Ahmad Sinnun ahmad yani Ahmad Yani Ali Haidir Anastasiaa Siwi Fatma Utami Andi Syarifuddin Abdullah Ani Oktarini Sari Cahyani, Indah Sagita Dwi Annisa Rahmawati Fatorohman, Muhammad Nabilla Hafis Nurdin Hariyanto Ika Marliana Indra Chaidir, Indra Kresna Ramanda Laura Gabriel da Silva Lia Mazia, Lia Lita Sari Marita Nur Rachmat Nugraha Nurajijah Nurajijah Nurmalasari Nurwanto, Candra Hadi Qonita Tanjung Riki Riki Ruhul Amin Saputra, Irwansyah Sudarmadi Sudarmadi Sumanto, Sumanto Sumarna Sumarna Winnarto, Monikka Nur Yopi Handrianto, Yopi Yudi Yudi