Article Per Year (5 Year)
p-Index From 2020 - 2025
2.908
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTERA (Jurnal Teknologi Rekayasa) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Innovation and Future Technology (IFTECH) Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Minfo Polgan (JMP) Ceddi Journal of Information System and Technology (JST) Inspiration: Jurnal Teknologi Informasi dan Komunikasi Jurnal MediaTIK
Annisa Nurul Puteri
Universitas Teknologi Akba Makassar
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Comparison of Random Forest and XGBoost for Diabetes Classification with SHAP and LIME Interpretation Mubaraqah, Mubaraqah; Puteri, Annisa Nurul; Sumardin, A.
JTERA (Jurnal Teknologi Rekayasa) Vol 9, No 2: December 2024
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v9.i2.2024.121-130

Abstract

Diabetes Mellitus (DM) merupakan tantangan kesehatan global yang membutuhkan pendekatan inovatif untuk deteksi dini dan manajemen yang efektif. Studi ini bertujuan untuk membandingkan algoritma Random Forest  dan XGBoost  dalam klasifikasi diabetes sambil meningkatkan interpretabilitas model menggunakan teknik AI yang Dapat Dijelaskan (XAI)  seperti SHAP dan LIME. Metodologi ini melibatkan pemrosesan kumpulan data publik yang berisi 70.000 entri dengan 34 fitur medis, melatih model dengan parameter yang dioptimalkan, dan melakukan analisis interpretatif. Hasil menunjukkan bahwa XGBoost mencapai akurasi yang lebih tinggi (90,6%) dengan generalisasi yang lebih baik, sementara Random Forest unggul dalam efisiensi pelatihan. Analisis fitur mengidentifikasi faktor-faktor utama seperti Usia, Kadar Glukosa Darah, dan Penambahan Berat Badan Selama Kehamilan sebagai kontributor signifikan terhadap prediksi. Temuan ini memberikan panduan model yang akurat dan transparan untuk mendukung pengambilan keputusan medis.
Enhancing Stroke Prediction with Logistic Regression and Support Vector Machine Using Oversampling Techniques Risal, Syamsul; Fajar Apriyadi; A. Sumardin; Andini Dani Achmad; Annisa Nurul Puteri
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 3 (2025): June 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i3.6431

Abstract

Stroke is a significant health concern that can result in both death and disability, making the early identification of risk factors crucial. Previous studies on stroke prediction have been limited by inadequate handling of class imbalance, lack of comprehensive feature selection, and parameter optimization, with accuracy rates usually below 80%. This study compares the performance of Logistic Regression (LR) and Support Vector Machine (SVM) algorithms combined with different oversampling methods—SMOTE, Borderline-SMOTE, ADASYN, Random Over Sampling (ROS), and Random Under Sampling (RUS)—on a stroke prediction dataset. Correlation-based feature selection identified age, hypertension, and heart disease as significant predictors. GridSearchCV with 10-fold cross-validation was used for hyperparameter optimization, and performance was evaluated using precision, recall, accuracy, and ROC curves. The results showed that SVM significantly outperformed Logistic Regression across all sampling methods. SVM+ROS achieved the highest performance with perfect recall (100%), precision of 97.18%, and accuracy of 98.56% (AUC: 0.9857), whereas SVM + Borderline-SMOTE offered balanced performance with a recall of 94.99%, precision of 95.06%, and accuracy of 95.17% (AUC: 0.9512). LR + Borderline-SMOTE performed the best with an accuracy of 84.98% (AUC: 0.8503), significantly better than previous studies. This improved accuracy shows significant clinical benefits, potentially reducing missed stroke diagnoses by identifying thousands of additional at-risk patients in large-scale screening programs. Healthcare providers should consider implementing SVM with ROS in critical care settings, where potentially missed stroke cases have severe consequences. Simultaneously, SVM with Borderline-SMOTE may be more appropriate for resource-constrained environments.
Sistem Informasi E-katalog Terintegrasi QRCode Berbasis Website untuk Pemasaran Produk Furniture Puteri, Annisa Nurul; Sulehu, Marwa; Yamansah, Yamansah; Hidayat Saputra, Febri; M. Sabir, Fitriana; Rohayati, Rohayati; Arizal, Arizal; Asrul, Asrul
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13462

Abstract

Persaingan ketat pada industri furniture membuat pelaku bisnis harus membuat inovasi dalam proses pemasaran produk. Sulitnya pelanggan mengakses informasi produk yang tersedia pada toko furniture berdampak terhadap penjualan produk. Penelitian ini bertujuan untuk membuat sistem informasi e-katalog terintegrasi dengan QR-Code berbasis website agar dapat membantu memasarkan dan memberikan informasi detail produk furniture pada salah satu toko Furniture di Makassar. Metode Rapid Application Development (RAD) digunakan dalam pengembangan sistem informasi e-katalog terintegrasi QR-Code berbasis website. Use case diagram digunakan untuk merancang sistem dan blackbox testing untuk menguji sistem. Hasil dari penelitian ini adalah sistem informasi e-katalog yang mampu memudahkan pemilik toko dalam memasarkan produknya secara online dan membantu pelanggan dalam menemukan informasi detail produk yang tersedia di toko furniture dengan cara mengakses website dan memindai QR-Code yang tersedia di setiap katalog produk.
Perancangan Sistem Informasi Pengajuan Kredit Motor PT Bussan Auto Finance Berbasis Web Asrul, Asrul; Puteri, Annisa Nurul; Windayani, Windayani; Bahar, Harmiaty; Putra, Ade
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15410

Abstract

Permasalahan yang terjadi adalah PT Bussan Auto Finance Cabang 2 Makassar terkait lamanya informasi saat mengajukan kredit motor dikarenakan jumlah data yang masuk sangat banyak sehingga membuat admin dan tim survey membutuhkan waktu yang cukup lama dalam menentukan customer layak kredit atau tidak. Maka dari itu dibuatlah sistem penunjang keputusan dalam menentukan kelayakan kredit motor. Tujuan dari penelitian ini adalah mengembangkan sistem penunjang keputusan untuk membantu admin dalam menganalisis data dan mendukung pengambilan keputusan terkait kredit motor di PT Bussan Auto Finance 2. Data ini diperoleh melalui penelitian lapangan, studi pustaka,wawancara dan dokumentasi. Metode yang digunakan dalam penelitian ini adalah metode naïve, yang melibatkan proses pengumpulan data, preprocessing data, pembentukan model naïve bayes, prediksi, dan pengujian menggunakan blackbox dan confusion matrix. Hasil dari penelitian ini menunjukkan bahwa tingkat akurasi sebesar 97%, presisi 96% dan recall 100%, membuktikan bahwa metode naïve bayes merupakan pendekatan yang sangat baik membantu menganalisis data dan mendukung pengambilan keputusan terkait kredit motor.
Co-Authors A Sumardin A. Sumardin Ade Putra Akbar Hendra akbar hendra Amran Amiruddin Andini Dani Achmad Andini Dani Achmad Andita Dani Achmad ARIZAL Arizal, Arizal Arsan Kumala Jaya Asrul Asrul Asrul Bahar, Harmiaty Dimas Febriyan Priambodo Fajar Apriyadi Fitriana M. Sabir Furqan Zakiyabarsi Hadis, Muhammad Sabirin Hendra, Akbar Hendra, Akbar Akbar Hidayat Saputra, Febri Kamal Kamal M. Sabir, Fitriana Mashud Mashud, Mashud Mubaraqah, Mubaraqah Muhammad Rizal Muhammad Rizal Muhammad Sabirin Hadis Muhammad Sabirin Hadis Muhammad Sabirin Hadis Pasnur Pasnur Randy Angriawan Randy Angriawan Risal, Syamsul Rizal, Muhammad Muhammad rohayati rohayati Sidik Sakti Patalangi Sulehu, Marwa Sumardin, A. Suryadi Syamsu Syafaat, Muhammad Topan Leoni Putra Windayani, Windayani Yamansah, Yamansah Zakiyabarsi, Furqan Zulfajri S, Achmad