Article Per Year (5 Year)
p-Index From 2021 - 2026
4.492
P-Index
This Author published in this journals
All Journal SMATIKA Sinkron : Jurnal dan Penelitian Teknik Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal Teknik Komputer AMIK BSI Paradigma Bina Insani ICT Journal Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics IKRA-ITH Informatika : Jurnal Komputer dan Informatika Jurnal Sisfokom (Sistem Informasi dan Komputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) INTI Nusa Mandiri JIKA (Jurnal Informatika) Jurnal Infortech Jurnal AbdiMas Nusa Mandiri Abditeknika - Jurnal Pengabdian Kepada Masyarakat J-SAKTI (Jurnal Sains Komputer dan Informatika) Indonesian Journal of Networking and Security - IJNS Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Teknologi Sistem Informasi Adopsi Teknologi dan Sistem Informasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Smatika Jurnal : STIKI Informatika Jurnal Jurnal Infortech
Kresna Ramanda
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Library & Information Science Mathematics Physics Social Sciences Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Infortech

 1 
Inovasi Artificial Intelligence dalam Mengidentifikasi Pneumonia Anak untuk Meningkatkan Efisiensi Diagnostik Menggunakan Model CNN Kresna Ramanda; Monikka Nur Winnarto; Sucitra Sahara
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11383

Abstract

Pneumonia adalah salah satu jenis infeksi yang paling sering ditemui dan berisiko tinggi di seluruh dunia, yang mengakibatkan angka penyakit dan kematian yang tinggi, khususnya di kalangan populasi yang rentan seperti anak-anak. Dengan demikian, penelitian ini bertujuan untuk menciptakan sistem pintar yang mampu mengidentifikasi pneumonia secara otomatis melalui gambar thorax dengan memanfaatkan arsitektur Convolutional Neural Networks (CNN). Dalam penelitian ini, beberapa arsitektur CNN, yaitu MobileNet V2, ResNet, dan EfficientNet diuji untuk mencari model terbaik, dengan mempertimbangkan risiko overfitting dan penggunaan optimizer yang tepat. Metode yang digunakan mencakup pengumpulan data, preprocessing, pembagian dataset menjadi data train, test dan validasi, serta penerapan teknik transfer learning. Evaluasi dilakukan berdasarkan parameter kinerja seperti akurasi, sensitivitas dan presisi untuk menilai performa model. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan kinerja terbaik dengan akurasi mencapai 93%. Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat signifikan bagi sektor kesehatan dan masyarakat luas. Penelitian ini juga menekankan pentingnya teknik optimasi yang tepat dalam memastikan model dapat bekerja secara optimal di aplikasi dunia nyata.
Pendekatan Algoritma Naive Bayes Dalam Memprediksi Penyakit Diabetes Qudsiah Azizah; Diah Puspitasari; Sulaeman Hadi Sukmana; Erma Delima Sikumbang; Kresna Ramanda
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11397

Abstract

Diabetes melitus merupakan penyakit metabolik yang bersifat kronis dan multifaktorial. Penyakit ini menunjukkan gejala peningkatan kadar gula darah (hiperglikemia) akibat proses metabolisme karbohidrat yang tidak normal, lemak, dan protein yang tidak normal. Hingga saat ini, terdapat lebih dari 150 juta orang yang tercatat di seluruh dunia mengidap penyakit ini dan perkembangan penyakit yang terus meningkat dapat menyebabkan komplikasi yang fatal. Faktanya, sebagian besar masyarakat mengabaikan tanda-tanda awal ini: rasa lapar yang berlebihan, rasa lelah yang tidak wajar, dan luka yang lambat sembuh. Penelitian ini dilakukan untuk analisis algoritma Naïve Bayes pada klasifikasi penyakit diabetes untuk mendapatkan hasil optimal dengan akurasi yang ditawarkan dengan cara ini. Dataset diambil dari website Kaggle yang berjumlah 10.000 data dengan jumlah 2 kelas yaitu Diabetes dan Non Diabetes, kelas Diabetes mencakup sebanyak 8.500 data, sementara kelas Non-Diabetes mencakup 91.500 data. Metode yang digunakan yaitu Algoritma Naïve Bayes. Hasil pengujian menunjukkan bahwa Naïve Bayes mencapai tingkat akurasi sebesar 90,66% yang artinya Algoritma Naive Bayes adalah metode yang baik dan tepat untuk mengklasifikasikan penyakit diabetes.
Co-Authors - AMIK BSI Jakarta, Rosliana Agustin Abadi, Muhamad Sahrul Adi Supriyatna Agustina, Bella Andi Saryoko Annisa Fitrianti Arief Rusman Awaludin, Rizky Azizah, Qudsiah Nur Baginda Oloan Lubis Bobby Suryo Prakoso Cahyani Budihartanti, Cahyani Deri Saputra, Deri Diah Puspitasari Eni Pudjiarti Erma Delima Sikumbang Fattya Ariani Firda Kharismatus Silpa Hadi Sukmana, Sulaeman Handayani, Tiwi Ikhwan Akbar Indara Bala Dewa Irmawati Carolina Januar Rama Fitra Karlena Indriani Monikka Nur Winnarto Muhammad Hilman Fakhriza Muhammad Hilman Fakriza Mutaqin, Asep Rijal Nathanael, Jonathan Nico Dias Palasara Oka Mahendra Oka Mahendra Prayogi, Randi Prima, Harry Pujiati, Tri Wahyuni Qudsiah Azizah Retno Sari Retno Sari Retno Sari Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Ridwansyah Rizka Syaleha Rosliana Agustin - AMIK BSI Jakarta Rosyda, Susy Shafa, Muadzi Sucitra Sahara Sundari, Wiwin Susanto Susanto Susanto Susanto Susy Rosyda Susy Rosyida Suwanda Suwanda Syarifudin, Imam Tri Juliyanto Utami, Yuliantika Siswanti Venny Yulianty Verra Sofica Windu Gata Y Yunita Yudi Yudi yunita yunita