Article Per Year (5 Year)
p-Index From 2021 - 2026
2.589
P-Index
This Author published in this journals
All Journal Jurnal Simetris Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Jurnal Komtika (Komputasi dan Informatika) Jurnal Teknoinfo Jurnal Sistem Informasi dan Teknologi (SINTEK) Jurnal Penelitian dan Pengabdian Masyarakat Jotika SOROT: Jurnal Pengabdian Kepada Masyarakat Madani: Jurnal Pengabdian Masyarakat dan Kewirausahaan Sintek Kuwera Indonesian Community Service Journal of Computer Science (IndoComs) Jurnal Teknoinfo Jurnal Infortech
Monikka Nur Winnarto
Universitas Bina Sarana Informatika
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Mechanical Engineering Social Sciences Other

Published : 15 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.
Klasifikasi Diagnosis Penyakit Diabetes Menggunakan Algoritma C4.5 Indah Sagita Cahyani; Karlena Indriani; Monikka Nur Winnarto
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12367

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 Ahmad Rifqy Alfiyan Ami Rahmawati Anna Anna Annida Purnamawati Annida Purnamawati Badariatul Lailiah Daniati Uki Eka Saputri Indah Sagita Cahyani Ita Yulianti Karlena Indriani Kresna Ramanda Laksono Trisnantoro Mely Mailasari Muhammad Sony Maulana Nurmalasari Panny Agustia Rahayuningsih Raja Sabaruddin Raja Sabaruddin Reza Maulana Riski Annisa Rizky Ade Safitri Safitri Linawati Sri Murni Sucitra Sahara WITRIANA ENDAH PANGESTI