Article Per Year (5 Year)
p-Index From 2020 - 2025
3.701
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Abdimas PROSIDING CSGTEIS 2013 Jurnal Simantec Prosiding Semnastek Jurnal Al-Tadzkiyyah ELINVO (Electronics, Informatics, and Vocational Education) Jurnal Ilmiah Pangabdhi Network Engineering Research Operation [NERO] Muaddib : Studi Kependidikan dan Keislaman Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control DoubleClick : Journal of Computer and Information Technology JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Nasional Komputasi dan Teknologi Informasi Istawa: Jurnal Pendidikan Islam MULTINETICS JATI (Jurnal Mahasiswa Teknik Informatika) NERO (Networking Engineering Research Operation) Jurnal Pengabdian dan Pemberdayaan Banyuwangi IPSSJ J-CEKI
Wahyudi Setiawan
Sistem Informasi, Universitas Trunojoyo
Aerospace Engineering Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Neuroscience Public Health Social Sciences Transportation Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : DoubleClick : Journal of Computer and Information Technology

 1 
Perbandingan Klasifikasi Data Diabetes Antara Metode Gaussian Naïve Bayes Dengan K-Nearest Neighbor Dewi, Meidah; Dianti, Dhea Rahma; Kawindra, Revalina; Kusumaputri, Aditya; Setiawan, Wahyudi
DoubleClick: Journal of Computer and Information Technology Vol. 8 No. 2 (2025): Edisi Februari 2025
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v8i2.20379

Abstract

Diabetes merupakan masalah kesehatan global serius dengan 422 juta penderita, sebagian besar di negara berpendapatan rendah dan menengah. Setiap tahun, sekitar 1,5 juta jiwa meninggal akibat diabetes. Teknik data mining, seperti algoritma Gausian Naïve Bayes dan K-Nearest Neighbor (K-NN), telah banyak digunakan untuk memprediksi risiko diabetes. Penelitian ini melalui tahapan eksplorasi data, pre-processing, dan modeling data. Dataset berasal dari NN CLF Diabetes Knightbearr. Setelah eksplorasi dan pre-processing untuk memastikan kualitas data, modeling dilakukan dengan algoritma Naïve Bayes dan K-NN. Naïve Bayes menunjukkan akurasi tinggi sebesar 97.12%, sedangkan K-NN, dengan K = 3, dan menunjukkan akurasi precision = 86%, recall= 90%, f1-score= 87%, dan keseluruhan sebesar 88.94%. Akurasi tinggi dari kedua algoritma ini menunjukkan potensi besar dalam membantu prediksi dan deteksi dini risiko diabetes, berkontribusi pada pengelolaan dan pencegahan penyakit ini di masa depan. Penelitian ini menegaskan pentingnya penerapan teknik data mining dalam bidang kesehatan untuk meningkatkan kualitas hidup penderita diabetes dan mengurangi angka kematian.
Perbandingan Akurasi Metode Naive Bayes dan Metode Random Forest dalam Mendiagnostik Penyakit Kanker Payudara Rohmah, Nisaur; Safitri, Eka Ayu; Alinta, Cici; Oktalina, Yuyun; Setiawan, Wahyudi
DoubleClick: Journal of Computer and Information Technology Vol. 8 No. 2 (2025): Edisi Februari 2025
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v8i2.20383

Abstract

Kanker payudara merupakan penyakit yang mempunyai dampak signifikan terhadap kesehatan wanita di seluruh dunia. Dalam penelitian ini, kami menggunakan data dari kumpulan data Wisconsin Diagnostic untuk membandingkan kinerja dua metode klasifikasi dalam diagnosis kanker payudara: Naive Bayes dan Random Forest. Metode Naive Bayes menggunakan pendekatan probabilitas sederhana untuk mengklasifikasikan data, sedangkan Random Forest membuat beberapa pohon keputusan dan menggabungkannya untuk meningkatkan akurasi prediksi. Sebelum membandingkan performa kedua algoritma, dilakukan proses preprocessing data yang meliputi identifikasi fitur, deteksi outlier, dan normalisasi. Kedua algoritma tersebut dilatih dan diuji menggunakan data dari dataset Wisconsin Diagnostic yang terdiri dari 569 sampel dengan 32 atribut dan 2 kelas. Hasil pengujian menunjukkan bahwa Naive Bayes menghasilkan akurasi sebesar 0.932, precision sebesar 0.933, recall sebesar 0.931, dan F1-score sebesar 0.932. Sedangkan Random Forest menghasilkan akurasi sebesar 0.9442, precision sebesar 0.945, recall sebesar 0.944, dan F1-score sebesar 0.944. Dalam konteks ini, Random Forest sedikit lebih akurat dibandingkan Naive Bayes, namun keduanya baik untuk mendiagnosis kanker payudara jinak dan ganas. Penelitian ini memberikan wawasan tentang efektivitas Naive Bayes dan Random Forest dalam membantu diagnosis kanker payudara berdasarkan kumpulan data klinis modern. Meskipun hasilnya menunjukkan bahwa Random Forest lebih unggul dalam hal akurasi, penting untuk mempertimbangkan konteks dan karakteristik kumpulan data ketika memilih algoritma klasifikasi yang tepat untuk aplikasi medis.
Co-Authors Abdul Ghofur Aeri Rachmad Aeri Rachmad Afiful Ikhwan Ainun Subair Ainun Subair Al-Afghoni, J.M. Havidz Yasaf Alinta, Cici Ami Yani Nur Amirul Mukminin Andika Wahyudi Aris Sugiharto Budi Setiyono Dewi, Meidah Dianti, Dhea Rahma Fahmi, Muhammad Farid Fatah, Doni Abdul Fitri Damayanti Fitri Damayanti Fitri Damayanti Haryadi, Alya Nabila Putri Kawindra, Revalina KHOIRUL ANAM Kholij Zukhrufin, Fina Koeshardianto, Meidya Kori Cahyono Kurniawan, Bambang Dwi Kusumaputri, Aditya Kusworo Adi M. Alauddin Helmi Mala Sari Rochman, Eka Moch Faiz Ansori Moh. Imam Utoyo Mohammad Syarief Mohammad Syarief Mohammad Syarief Mohammad Syarief Mohammad Syarief, Mohammad Muh. Tajab Muh. Tajab, Muh. Muhammad Bakriansyah Muhammad Bakriansyah Muhammad Farid Fahmi Muhammad Fuad Muhammad Fuad Muhammad Holilur Rohman Muhammad Mushlih Suhadi Mukhlis Nur Pancahari Mukminin, Amirul Novi Prastiti Novi Prastiti, Novi Nur Kholik Afandi Nurul Iman Oktalina, Yuyun Prastiti, Novi Rachman, Fika Hastarita Reny Pujiastutik Riries Rulaningtyas Riries Rulaningtyas Rochman, Eka Mala Sari Rohmah, Nisaur Safitri, Eka Ayu Sofie Ratnasari Syam, Aldo Redho Syarief, Mohammad Wahyudi Agustiono Yudha Dwi Putra Negara, Yudha