Garuda - Garba Rujukan Digital

Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes Maulidah, Nurlaelatul; Supriyadi, Riki; Utami, Dwi Yuni; Hasan, Fuad Nur; Fauzi, Ahmad; Christian, Ade
Indonesian Journal on Software Engineering (IJSE) Vol 7, No 1 (2021): IJSE 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v7i1.10279

Diabetes melitus adalah penyakit metabolik yang ditandai terjadinya kenaikan gula darah yang disebabkan oleh terganggunya hormon insulin yang memiliki fungsi sebagai hormon dalam menjaga homeostatis tubuh menggunakan cara penurunan kadar gula darah (American Diabetes Association, 2017). World Health Organization (WHO) memperkirakan jumlah penderita diabetes melitus orang dewasa diatas 18 tahun dalam tahun 2014 berjumlah 422 juta (WHO, 2016:25). Prevalensi diabetes melitus Asia Tenggara sudah berkembang dalam tahun 1980 sebanyak 4,1% dan tahun 2014 menjadi sebanyak 8,6%. Menurut Riset Kementerian Kesehatan pada tahun 2018, Prevalensi diabetes Indonesia sebanyak 2,0%, sedangkan di Provinsi Jawa Timur sebanyak 2,6% pada penduduk umur diatas 15 tahun (KEMENKES RI, 2019). Penelitian ini dikembangkan melalui pengolahan data sekunder database kesehatan Dataset Diabetes yang diambil dari dataset Kaggle dan dapat diakses melalui https://www.kaggle.com/johndasilva/diabetes. Dimana datanya sendiri terdiri dari 2000 record dengan beberapa variabel prediktor medik (Pregnancies/Kehamilan, Glucose/Glukosa, BloodPressure/Tekanan Darah, SkinThickness/Ketebalan Kulit, Insulin, BMI/Indeks Masa Tubuh, DiabetesPedigreeFunction/Keturunan, Age/Umur and Outcome/Hasil). Kemudian data tersebut akan diolah dengan menggunakan metode Support Vector Machine dan metode Naive Bayes untuk mengetahui akurasi hasil diagnosa diabetes. Berdasarkan hasil dari penelitian yang sudah dilakukan metode Support Vector Machine memiliki nilai akurasi yang jauh lebih tinggi dibandingkan dengan menggunakan metode Naive Bayes. Nilai akurasi untuk model metode Support Vector Machine adalah 78,04% dan nilai akurasi untuk metode Naive Bayes 76,98%. Berdasarkan nilai ini, perbedaan akurasinya adalah 1,06%. Sehingga dapat disimpulkan bahwa penerapan metode Support Vector Machine mampu menghasilkan tingkat akurasi diagnosis diabetes yang lebih baik dibandingkan dengan menggunakan metode Naive Bayes.

RANCANG BANGUN SISTEM INFORMASI PENERIMAAN SISWA BARU DALAM MENINGKATKAN MUTU LEMBAGA PENDIDIKAN (Studi Kasus: Mts Negeri Slawi Filial Di Sa Pecabean) Maulidah-Universitas Bina Sarana Informatika, Nurlaelatul; Pebrianto-Universitas Bina Sarana Informatika, Rangga; Supriyadi-Universitas Bina Sarana Informatika, Riki; Fauzi-Universitas Bina Sarana Informatika, Ahmad
SPEED - Sentra Penelitian Engineering dan Edukasi Vol 11, No 4 (2019): Speed 2019
Publisher : APMMI - Asosiasi Profesi Multimedia Indonwsia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1757.293 KB)

Abstract - Information technology provides an important role for agencies or companies. One aspect that experienced the development of information technology is the aspect of education. In the field of information technology education plays an important role in improving the quality and quality of education in Indonesia. One example of information technology in the field of education is the acceptance of new students. Admission of new students is one of the processes held annually in educational institutions such as schools, which aims to screen prospective students who fit the criteria of the school to become learners. The new student admissions information system at MTs Negeri Slawi Filial At SA Pecabean is still done conventionally, the data recaping process also has not run optimally because it is still done manually so that often the mistake of student data. In addition, parents or prospective students should come directly to school to obtain information about the school and new admissions procedures.Key words: information systems, new student admission web-basedÂ Abstrak-Teknologi informasi memberikan peranan penting bagi instansi ataupun perusahaan. Salah satu aspek yang mengalami perkembangan teknologi informasi ialah aspek pendidikan. Dalam bidang pendidikan teknologi informasiberperan penting dalam meningkatkan mutu dan kualitas pendidikan di Indonesia. Salah satu contoh teknologi informasi dibidang pendidikan yaitu penerimaan siswa baru. Penerimaan siswa baru merupakan salah satu proses yang diadakan setiap tahunnya di instansi pendidikan seperti sekolah, yang bertujuan untuk menyaring calon siswa yang sesuai dengan kriteria sekolah tersebut untuk menjadi peserta didiknya.Sistem informasi penerimaan siswa baru padaMTs NegeriSlawi Filial Di SA Pecabean saat ini masih dilakukan secara konvensional, proses rekap data juga belum berjalan optimal karena masih dilakukan secara manual sehingga sering terjadinya kesalahan data siswa. Di samping itu, orang tua atau calon siswa harus datang langsung ke sekolah untuk mendapatkan informasi mengenai sekolah dan prosedur penerimaan siswa baru.Kata kunci: sistem informasi, penerimaan siswa baru berbasis webÂ

Aplikasi Penerimaan Pemasukan Dan Pengeluaran Dana Keuangan Berbasis Website Pada CV. Berkah Jaya Ahmad Fauzi; Nurlaelatul Maulidah; Riki Supriyadi; Hiya Nalatissifa; Sri Diantika
Bianglala Informatika Vol 9, No 2 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

CV. Berkah Jaya merupakan perusahaan milik swasta yang bernaung dalam usaha sebagai supplier toko buku dan alat peraga ke berbagai tempat. Sebagai supplier buku dan alat peraga CV. Berkah Jaya memiliki cukup banyak data yang belum terorganisir dengan baik, terutama dalam bidang pencatatan penerimaan dan pengeluaran dana keuangan. Sistem pencatatan data pada CV. Berkah Jaya saat ini masih dilakukan secara manual meskipun sudah menggunakan microsoft excel sebagai program yang membantu dalam pencatatan, seringkali menjadi kurang efektif dan tidak efisien sehingga menimbulkan hambatan karena membutuhkan waktu yang lama dalam memproses data. Data pemasukan dan pengeluaran dana keuangan akan mudah dimanipulasi oleh pihak yang tidak bertanggung jawab jika masih menggunakan sistem pencatatan yang manual. Adanya sistem komputer akan sangat membantu perusahaan dalam pemecahan masalah dalam hal pengelohan data keuangan. Penggunaan komputer juga dapat dijadikan alat untuk mencapai tujuan dan mencari kemudahan dalam melakukan suatu proses pekerjaan, terutama yang melibatkan banyak data dalam hal ini mengenai data transaksi yang mencakup data pemasukan dan pengeluaran dana keuangan perusahaan. Dengan sistem komputerisasi keuangan ini, dapat mempermudah perusahaan dalam melakuan proses pengolahan data keuangan dan laporan.

Penerapan Algoritma Naive Bayes Dan Support Vector Machine dalam Memprediksi Autisme Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi; Hiya Nalatissifa; Sri Diantika
Swabumi Vol 10, No 1 (2022): Volume 10 Nomor 1 Tahun 2022
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v10i1.12294

AbstrakAutism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang menyebabkan anak mengalami gangguan dalam kemampuan komunikatif, fungsi sosial, dan perilaku kaku atau berulang. Diagnosis terhadap screening autisme adalah langkah awal untuk mengetahui kondisi anak dalam proses penanganan autisme secara dini. Konsultasi dengan dokter atau tenaga medis menjadi pilihan utama yang dilakukan oragtua, namun keterbatasan tenaga medis yang berfokus terhadap perkembangan otak membuat orang tua sulit menangani anaknya. Machine learning menjadi salah satu alternatif dalam penanganan penyakit terutama autisme untuk membantu meningkatkan kemampuan pendeteksian otomatis. Dalam penelitian yang telah dilakukan dengan menerapkan dua algoritma data mining yaitu algoritma Naive Bayes dan Support Vector Machine (SVM) kedua algoritma kemudian dikomparasi dimana hasil yang ditunjukan algoritma Naive Bayes mendapatkan hasil akurasi 96,45% sedangkan Support Vector Machine (SVM) mendapatkan hasil akurasi 81,56% dan disimpulkan dalam penelitan ini algoritma yang paling sesuai untuk mendeteksi penyakit autisme yaitu Naive Bayes dimana memiliki akurasi yang lebih baik saat pengujian. Kata Kunci : Deteksi Autisme , Naive Bayes, Support Vector Machine AbstractAutism Spectrum Disorder (ASD) is a neurodevelopmental disorder that causes children to experience impairments in communicative abilities, social functioning, and rigid or repetitive behaviors. Diagnosis of autism screening is the first step to knowing the condition of children in the process of handling autism early. Consultation with a doctor or medical personnel is the main choice made by oragtua, but the limitations of medical personnel who focus on brain development make it difficult for parents to handle their children. Machine learning is one of the alternatives in the treatment of diseases, especially autism, to help improve automatic detection capabilities. In research that has been done by applying two data mining algorithms, namely naive bayes algorithm and support vector machine (SVM) both algorithms are then compared where the results shown by naive bayes algorithm get an accuracy of 96.45% while support vector machine (SVM) gets an accuracy of 81.56% and concluded in this study the most suitable algorithm to detect autism disease is Naive Bayes which has better accuracy when testing. Keywords: Autism Detection, Naive Bayes, Support Vector Machine

Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah Riki Supriyadi; Windu Gata; Nurlaelatul Maulidah; Ahmad Fauzi
E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Vol 13 No 2 (2020): Jurnal Ilmiah Ekonomi dan Bisnis
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/e-bisnis.v13i2.247

Abstract In this study that was used as the object of research in classifying red wine based on the quality influenced by each red wine or red wine based on the content of each type of wine, from each attribute containing the composition in the wine seen which attributes most affect the quality of red wine, so that it will be known ingridents that can improve the quality of the wine, in this study was carried out by the application of Machine learning by comparing three algorithms of mining data that is , Decission Tree, Random Forest and Support Vector Machine (SVM), from the results of research that has been done by comparing the three algorithms, Random Forest produced the best accuracy among other algorithms that have been tested. Random Forest with accuracy results of 0.7468 makes this algorithm best used to classify the quality of red wine. And in the second order Decission Tree with accuracy results of 0.7031, while Support Vector Machine (SVM) get an accuracy result of 0.65. So in the research that has been done to classify the quality of red wine based on its composition Random Forest becomes the best algorithm to use..

Rancang Bangun Aplikasi M-Voting Pemilihan Raya (PEMIRA) Menggunakan Framework Flutter Alvin Marshall Raniel Saragih; Ariq Naufal Rabbani; Ajeng Clarissa; Ade Christian; Riki Supriyadi
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 7, No 2 (2022): November 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcit.v7i2.12608

Dalam Pemilihan Raya Organisasi Mahasiswa, sebagian besar Voting masih dilakukan secara manual dengan mengisi kertas suara. Kemudian menghitung hasil suara satu persatu, yang pastinya membutuhkan waktu yang lama. Tujuan dari penelitian untuk Merancang aplikasi M-Voting Pemilihan Raya berbasis Android untuk Membantu Organisasi Mahasiswa dalam melaksanakan Pemilihan Raya. Serta Meningkatkan Partisipasi dan memudahkan Mahasiswa dalam menggunakan hak pilih mereka. Aplikasi dibangun menggunakan framework Flutter dengan metode waterfall. Penelitian ini menghasilkan Aplikasi M-Voting Pemilirah Raya (PEMIRA). Pengujian aplikasi M-Voting menggunakan metode System Usability Scale (SUS) ini menghasilkan score sebesar 72.25 yang berdasarkan rating SUS score aplikasi ini berada pada tingkat “Good”. In the Student Organization General Election, most of the voting is still done manually, as usual, namely by filling out the ballot papers, then counting the results of the votes one by one, of course, it takes a long time. The purpose of the research is to design an Android-based M-Voting Election application to assist Student Organizations in carrying out the General Election. As well as Increasing Participation and making it easier for Students to exercise their suffrage. The application is built using the Flutter framework with the waterfall method. This research resulted in the Great Election M-Voting Application (PEMIRA). Meanwhile, testing the M-Voting application using the System Usability Scale (SUS) method resulted in a score of 72.25 which based on the SUS score of this application was at the level of "Good".

Deteksi Penyakit Kanker Payudara dengan Seleksi Fitur berbasis Principal Component Analysis dan Random Forest Fauzi, Ahmad; Supriyadi, Riki; Maulidah, Nurlaelatul
Jurnal Infortech Vol 2, No 1 (2020): Juni 2020
Publisher : Universitas Bina Sarana Informatika

Abstrak - Skrining merupakan upaya deteksi dini untuk mengidentifikasi penyakit atau kelainan yang secara klinis belum jelas dengan menggunakan tes, pemeriksaan atau prosedur tertentu. Upaya ini dapat digunakan secara cepat untuk membedakan orang - orang yang kelihatannya sehat tetapi sesungguhnya menderita suatu kelainan.Tujuan utama penelitian ini adalah untuk meningkatkan peforma klasifikasi pada diagnosis kanker payudara dengan menerapkan seleksi fitur pada beberapa algoritme klasifikasi. Penelitian ini menggunakan database kanker payudara Breast Cancer Coimbra Data Set . Metode seleksi fitur berbasis pricipal component analysis akan dipasangkan dengan beberapa algoritme klasifikasi dan metode, seperti Logitboost,Bagging,dan Random Forest. Penelitian ini menggunakan 10 fold cross validation sebagai metode evaluasi. Hasil penelitian menunjukkan metode seleksi fitur berbasis pricipal component analysis mengalami peningkatan peforma klasifikasi secara signifikan setelah dipasangkan dengan seleksi fitur Random Forest dan logitboost, Random forest menunjukan peforma terbaik dengan akurasi 79.3103% dengan nilai AUC sebesar 0,843. Kata Kunci: Seleksi Fitur,PCA, Kanker Payudara,Skrining,Random Forest

Penerapan Teknik Random Oversampling Untuk Memprediksi Ketepatan Waktu Lulus Menggunakan Algoritma Random Forest Diantika, Sri; Nalatissifa, Hiya; Maulidah, Nurlaelatul; Supriyadi, Riki; Fauzi, Ahmad
Computer Science (CO-SCIENCE) Vol. 4 No. 1 (2024): Januari 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v4i1.1996

Punctuality of graduation is something that students yearn for, besides being important for students, punctuality of graduation is also very important for universities, this is because the aspect of student graduation is one aspect of assessment in an institutional accreditation process of a university to show its quality. One of the obstacles faced to find out whether a student can graduate on time or not is because the study period cannot be detected early, this will have an impact on late student graduation. To analyze this, a lot of research was conducted on the accuracy of student graduation, through the cumulative grade point average (GPA) obtained by students during their studies. This research on the prediction of student graduation timeliness uses a random forest algorithm model. The data used in this research object has an unbalanced number of data classes, to overcome this, a random oversampling (ROS) resampling technique is applied and also applies Split validation or division between learning data by 50% for test data and 50%. To evaluate the model built, the author uses evaluation metrics such as accuracy, recall, and precision. The results of the study showed that the proposed model can well predict compared to other models, namely with the results precision of 87.05%, accuracy test values of 90.04%, recall of 90.04%.From these results, it can be interpreted that the random forest algorithm is considered good in predicting the timeliness of a student's graduation

Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah Supriyadi, Riki; Gata, Windu; Maulidah, Nurlaelatul; Fauzi, Ahmad
E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Vol 13 No 2 (2020): Jurnal Ilmiah Ekonomi dan Bisnis
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/e-bisnis.v13i2.247

Abstract In this study that was used as the object of research in classifying red wine based on the quality influenced by each red wine or red wine based on the content of each type of wine, from each attribute containing the composition in the wine seen which attributes most affect the quality of red wine, so that it will be known ingridents that can improve the quality of the wine, in this study was carried out by the application of Machine learning by comparing three algorithms of mining data that is , Decission Tree, Random Forest and Support Vector Machine (SVM), from the results of research that has been done by comparing the three algorithms, Random Forest produced the best accuracy among other algorithms that have been tested. Random Forest with accuracy results of 0.7468 makes this algorithm best used to classify the quality of red wine. And in the second order Decission Tree with accuracy results of 0.7031, while Support Vector Machine (SVM) get an accuracy result of 0.65. So in the research that has been done to classify the quality of red wine based on its composition Random Forest becomes the best algorithm to use..

RANCANG BANGUN SISTEM INFORMASI PERPUSTAKAAN BERBASIS WEBSITE PADA SMK NEGERI 1 BUMIJAWA Nalatissifa, Hiya; Maulidah, Nurlaelatul; Fauzi, Ahmad; Supriyadi, Riki; Diantika, Sri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6000

Sistem komputer telah banyak digunakan dalam berbagai bidang, terutama dalam bidang pendidikan. Memanfaatkan IT pada bidang pendidikan saat ini sudah menjadi hal yang umum, maka sekolah berlomba-lomba dalam meningkatkan mutu pendidikan menjadi unggul dan harus berubah dan berkembang dalam bidang TIK, khususnya dalam penerapan/penggunaan sistem informasi yang terkomputerisasi. Pepustakaan memiliki bagian yang sangat penting untuk memenuhi kebutuhan intelektualitas para penggunanya. SMK Negeri 1 Bumijawa memiliki perpustakaan yang masih menggunakan sistem manual untuk pengolahan datanya. Masalah yang ada saat ini adalah membutuhkan waktu lama untuk memproses data sehingga membuat kinerja petugas perpustakaan terhambat dan dapat menimbulkan adanya resiko kehilangan atau kerusakan data yang mengakibatkan pengolahan data tidak efektif dan tidak efisien. Rancang bangun sistem informasi perpustakaan berbasis website merupakan solusi yang dapat digunakan dalam mempermudah pemrosesan data dan untuk memudahkan pengolahan informasi, khususnya efisiensi dan efektifitas peminjaman dan pengembalian buku.

Title

Found 20 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search