Article Per Year (5 Year)
p-Index From 2021 - 2026
4.567
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Teknika Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Informatika Jurnal Informatika Proceeding International Conference on Information Technology and Business Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) INOVTEK Polbeng - Seri Informatika JMM (Jurnal Masyarakat Mandiri) Prosiding Seminar Nasional Darmajaya Jurnal Teknoinfo Mathvision : Jurnal Matematika Jurnal Abdimas Bina Bangsa JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Pepadun Jurnal Publika Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Bangsa Jurnal Informatika: Jurnal Pengembangan IT IJENSET Journal of Data Science Methods and Applications
Neni Purwati
Institut Informatika Dan Bisnis Darmajaya
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Prediksi Penyakit Paru-Paru Dengan Algoritma Naïve Bayes Selvida Widi Audria; Izzah Farikhah; Reza Maulana Saputra; Neni Purwati
Journal of Data Science Methods and Applications Vol. 1 No. 1 (2025)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

Paru-paru memiliki peran penting dalam tubuh manusia, yaitu sebagai organ utama dalam sistem pernapasan, berfungsi mengolah karbon dioksida yang dibawa oleh darah menjadi oksigen dari udara yang dihirup, yang kemudian disebarkan ke seluruh tubuh untuk memenuhi kebutuhan oksigen. Gangguan paru-paru juga berisiko terhadap Kesehatan hingga kematian. Diperlukan metode yang akurat untuk mendiagnosis penyakit paru-paru agar penanganan dapat dilakukan dengan tepat. Dataset yang digunakan sebanyak 10000 dengan 10 attribut yakni usia, jenis kelamin, kebiasaan merokok, status pekerjaan, kondisi rumah tangga, aktivitas begadang, aktivitas rumah tangga, kepemilikan asuransi, riwayat penyakit bawaan, dan label hasil. Tujuan penelitian ini adalah untuk memprediksi penyakit paru-paru menggunakan model naïve bayes dengan hasil validasi yang robust dan reliable dengan penerapan dual-validation framework yakni Split validation dan k-Fold Cross Validation. Metode yang digunakan adalah pengumpulan data, pengelolaan data (seleksi dan pembersihan data), penerapan metode, pengujian metode dan kesimpulan. Hasil dari penerapan model naïve bayes dari data testing sebanyak 2000 menunjukkan nilai accuracy tertinggi sebesar 86.90%, precision tertinggi sebesar 87.65% diperoleh dari iterasi sebanyak 10 Fold Cross Validation, sedangkan nilai recall tertinggi diperoleh dari penerapan Split Validation sebesar 87.75%, sehingga hasil tersebut termasuk klasifikasi yang sangat baik diterapkan untuk melakukan prediksi penyakit paru-paru yang di derita masyarakat.
A Data-Driven Machine Learning for Predicting Student Stress Levels Purwati, Neni; Priyono, Agus; Rizky Al'insani, Adam; Darmawan
Indonesian Journal of Engineering, Science and Technology Vol. 2 No. 2 (2025): VOL. 02 NO. 02 (DECEMBER 2025)
Publisher : Universitas Muhammadiyah Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38040/ijenset.v2i2.1380

Abstract

Academic stress significantly impacts students' psychological well-being and academic performance. This study focuses on predicting students' stress levels using a data-driven machine learning framework. The dataset was obtained from a questionnaire comprising 25 indicators encompassing emotional, psychological, academic, and environmental aspects of students. The research procedure involved data preprocessing, checking for missing values and redundancy, normalization, descriptive statistical analysis, model development, and performance evaluation using metrics such as recall, precision, sensitivity, specificity, F-measure, and accuracy. The implemented algorithm achieved excellent results, with an overall accuracy of 0.98. The model demonstrated high effectiveness in classifying Eustress and Distress, while its performance in detecting the No Stress category was limited, although precision and specificity indicate a strong capacity to differentiate between classes. These findings confirm that a machine learning approach can effectively capture patterns of student stress based on questionnaire responses and offers valuable guidance for developing early warning systems and targeted psychological intervention strategies. The study highlights the potential of data-driven predictive methods in supporting students' mental health through empirical data analysis. Keywords - LibSVM; Machine Learning; Predicting; Stress Levels; Tree Ensemble.
MENINGKATKAN PEMBELAJARAN SISWA DENGAN PENGENALAN BERBASIS DATA DAN MACHINE LEARNING Safitri, Egi; Karnila, Sri; Purwati, Neni; Kurniawan, Hendra; Nurjoko, Nurjoko; Rizalnul Fikri, Ruki
JMM (Jurnal Masyarakat Mandiri) Vol 8, No 2 (2024): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v8i2.22096

Abstract

Abstrak: Data merupakan aset penting yang memiliki potensi besar untuk menjadi sumber informasi yang berharga dalam proses pengambilan keputusan. Namun, pada kenyataannya, masih banyak data yang belum dimanfaatkan secara optimal karena keterbatasan pengetahuan dalam memprosesnya. Contohnya adalah data kasus COVID-19. Kegiatan ini dilakukan di SMKN 7 Bandar Lampung dengan melibatkan 31 siswa dan 2 guru pendamping kelas. Tujuan utamanya adalah meningkatkan kualitas pembelajaran siswa dalam memahami berbagai jenis data, analisis data, dan dasar-dasar machine learning. Metode pelaksanaan yang digunakan adalah workshop, yang berfokus pada pemahaman siswa terhadap konsep data. Kegiatan tersebut dimulai dengan sosialisasi, pengenalan data di sekitar kita, penekanan pada data COVID-19 sebagai topik yang sedang tren, cara mendapatkan data, teknik analisis data, dan pengantar tentang machine learning. Teknologi juga diterapkan melalui penggunaan modul sederhana guna meningkatkan efektivitas pembelajaran dalam Program Kreativitas Mahasiswa ini. Hasil dari kegiatan ini termasuk perbaikan hasil akademis siswa serta peningkatan kesadaran mereka terhadap literasi data, dan membuktikan bahwa pendekatan inovatif ini memberikan kontribusi positif terhadap literasi data siswa dan meningkatkan pembelajaran berbasis data di era kemiskinan informasi, hal itu dapat dilihat dari hasil kuesioner yang telah diberikan dengan nilai tertinggi 77% mengatakan bahwa pelaksanaan pengabdian telah dilakukan sesuai dengan kebutuhan siswa, dan sebesar 71% kegiatan PkM berhasil meningkatkan kesejahteraan/kecerdasan siswa.Abstract: Data is an important asset that has great potential as a valuable source of information in decision-making processes. However, in reality, there is still much data that needs to be optimally utilized due to limitations in knowledge to process it. An example is COVID-19 case data. This activity was conducted at SMKN 7 Bandar Lampung, involving 31 students and 2 accompanying teachers. The main objective is to improve students' learning quality in understanding various types of data, data analysis, and the basics of machine learning. The implementation method used is a workshop focusing on students' understanding of data concepts. The activity begins with socialization, introducing data around us, emphasizing COVID-19 data as a trending topic, ways to obtain data, data analysis techniques, and an introduction to machine learning. Technology is also applied through the use of simple modules to enhance learning effectiveness in this Student Creativity Program. The results of this activity include improvements in students' academic performance and increased awareness of data literacy. It proves that this innovative approach positively contributes to students' data literacy and enhances data-based learning in the information poverty era. It can be seen from the questionnaire results that the highest score of 77% stated that the service implementation had been done according to the student's needs, and 71% of the PKM activities successfully improved students' welfare/intelligence.
Co-Authors - Nurjoko -, Mutia Achmad Nuzul Mariyus Agnes Dwi Januanti Agus Priyono Agus Rahardi Agus Rahardi, Agus AGUS WIDODO Aisyifa, Dinda Fega Aziz, RZ. Abdul Dani Rofianto Darmawan Denny Andreas Egi Safitri Felisita Klaralia Halimah Halimah Hariyanto Wibowo Hariyanto Wibowo Hendra Kurniawan Hendra Kurniawan Hendra Kurniawan Herwanto, Riko Herwanto, Riko Hetty Muniroh Ihwan Nurdin Inas Yuni Tsamarah Indera Izzah Farikhah Julius, Felix K, Hendra Khoirinnisa, Sinta Kintan Imanita M. Zaky Fanany Zaky Muji Lestari Naila, Azira Nuriya Novi Herawadi Sudibyo Nurjoko Nurjoko Nurlistiani, Rini Nursiyanto Ochi Marshella Febriani Oscar Devinsen Pedliyansah, Yogi Raden Abdurrahman Reza Maulana Saputra Rini Nur Listiani Rini Nurlistiani Rizal, Ruki Rizalnul Fikri, Ruki Rizky Al'insani, Adam Ruki Rizal Ruki Rizal Safitri, Egi Selvida Widi Audria Sri Karnila Sri Karnila Sri Karnila Sri Karnila Sri Karnila Sri Karnila Karnila Sri Rahayu Supri Yanto Sushanty Saleh Syakur Syakur Windya Harieska Pramujati Yogi Pedliyansah Yurpan Hani