Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Aplikasia: Jurnal Aplikasi Ilmu-Ilmu Agama Scientific Student Journal for Information, Technology and Science
Mia Mia
Unknown Affiliation
Religion Humanities Computer Science & IT Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERAN PENDIDIKAN AGAMA ISLAM (PAI) DALAM MENCEGAH TIMBULNYA JUVENILE DELIQUENCY Mia Mia; M. Faiz Maulana; Alina Audia; Muhammad Alba Zahrouddin
Aplikasia: Jurnal Aplikasi Ilmu-ilmu Agama Vol. 21 No. 1 (2021)
Publisher : UIN Sunan Kalijaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/aplikasia.v21i1.2110

Abstract

The swift current of globalization has a negative influence on the community which has an impact on the social style or behavior of each individual in society. This impact is very vulnerable for adolescents so that deviant behavior arises which is commonly called juvenile delinquency. At the same time, education plays a role in creating a learning atmosphere and an active learning process to develop students' potential. The role of Islamic religious education is the topic raised in this paper. The method used in writing this article uses a qualitative descriptive approach, and the type of research used is library research, where the results of the qualitative research are descriptive data in the form of written words. This article covers several things including Islamic religious education, juvenile delinquency, the factors that cause juvenile delinquency and the role of Islamic religious education in preventing juvenile delinquency. The results of this study, there are several steps that can be taken so that teenagers and students in general are able to fortify themselves with strong faith to avoid juvenile delinquency, of course the involvement of all policy makers is also a supporting factor.
KOMPARASI MODEL DECISION TREE DAN RANDOM FOREST UNTUK MEMPREDIKSI PENYAKIT JANTUNG Mia Mia; Anis Masruriyah; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Data pasien penyakit jantung yang diperoleh dari Kementrian Kesehatan Republik Indonesia tahun 2020 mejelaskan bahwa, penyakit jantung mengalami peningkatan setiap tahunnya dan menempati peringkat tertinggi penyebab kematian di Indonesia terutama pada usia-usia produktif. Apabila penderita penyakit jantung tidak ditangani dengan baik, maka di usia produktif seorang pasien bisa mengalami kematian lebih cepat. Sehingga, perlunya sebuah model prediksi yang mampu membantu tenaga medis untuk menyelesaikan masalah-masalah Kesehatan. Menggunakan proses klasifikasi algoritma Random Forest dan Decision Tree dengan mengola data tersebut. Tujuan penelitian untuk mengetahui performa teknik model algoritma machine learning pada algoritma Decision Tree C45 dan Random Forest Clasifier. Pengunaan teknik confusion matrik untuk pengujian Precision, Recall, dan F1-SCORE, serta Accuracy. Berdasarkan hasil penelitian yang telah dilakukan teknik pengujian K-Fold 10 dengn teknik Cofusion matrix, Random Forest merupakan salah satu teknik prediksi terbaik yang memiliki Accurasy lebih besar 90,72% dan evaluasi menggunakan Receiver Operating Characteristics (ROC) curve untuk mengetahui nilai kinerja suatu algoritma dengan nilai Area Under Curve (AUC) pada model sebesar 0,801. Dibandingkan penerapan model prediksi mengguanakan algoritma Decision Tree C45 tingkat prediksi dengan accuracy sebesar 86,5 dan nilai kinerja algoritma dengan hasil Area Under Curve (AUC) yang kurang baik sebesar 0,588. Berdasarkan evaluasi penelitian yang telah dilakukan pada data penyakit jantung, algoritma Random Forest sangat cocok untuk prediksi data penyakit jantung yang berasal dari Centers for Disease Control and Prevention (2020) yang mampu menghasilkan model prediksi yang lebih baik dengan teknik confucion matrix serta perhitungan K-Fold cross validation.
Co-Authors Adi Pratama Alina Audia Anis Masruriyah M. Faiz Maulana Muhammad Alba Zahrouddin