Article Per Year (5 Year)
p-Index From 2020 - 2025
6.773
P-Index
This Author published in this journals
All Journal Information Technology and Telematics Dinamik Proceeding Fakultas Ekonomi Publikasi Eksternal Elkom: Jurnal Elektronika dan Komputer Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Proceeding SENDI_U Informatics for Educators and Professional : Journal of Informatics JURNAL ILMIAH INFORMATIKA Jurnal Teknoinfo Jurnal Teknik Informatika UNIKA Santo Thomas INTECOMS: Journal of Information Technology and Computer Science JurTI (JURNAL TEKNOLOGI INFORMASI) JUTIM (Jurnal Teknik Informatika Musirawas) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Tekno Kompak Jurnal Ilmiah Padma Sri Kreshna JURNAL MAHAJANA INFORMASI JTIM : Jurnal Teknologi Informasi dan Multimedia Jurnal Manajemen Informatika dan Sistem Informasi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JATI (Jurnal Mahasiswa Teknik Informatika) BERNAS: Jurnal Pengabdian Kepada Masyarakat Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat
Setyawan Wibisono
Universitas Stikubank, Semarang
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 71 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Teknik Informatika UNIKA Santo Thomas

 1 
AHP-COPRAS untuk Pemeringkatan Ketersediaan Fasilitas Kesehatan di Indonesia Wibisono, Setyawan; Hadikurniawati, Wiwien; Almin, Imam Husni Al
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 8 No. 1 : Tahun 2023
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

In handling Covid-19, health resources are one of the factors that play a very important role in reducing the death rate. For this reason, we offer a study on the topic of ranking the availability of health resources in handling the Covid-19 pandemic in provinces in Indonesia using the AHP (Analytical Hierarchy Process) and COPRAS (Complex Proportional Assessment) hybrid methods. The use of the pairwise comparison matrix as a method for testing the validity of the weights for each criterion produces a weight value of 0.363760164 for the criteria for the number of doctors per population and the criteria for the number of nurses per population, a weight value of 0.1588353 for beds per 1000 people, a weight value of 0, 075333696 for the number of hospitals per population, and a weight value of 0.038310676 when going to the hospital. This ranking system places DKI Jakarta first with a utility value of 100%, while the second rank is the Special Region of Yogyakarta with a utility value of 63.59. There is a considerable gap compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. The availability of health facilities in DKI Jakarta is quite far when compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. DKI Jakarta remains the area with the most excellent health facilities.
Social Network Analysis untuk Pemeringkatan Popularitas Makanan Cepat Saji Menggunakan Metode PSI Wibisono, Setyawan; Hadikurniawati, Wiwien; Lestariningsih, Endang; Wahyudi, Eko Nur; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 1 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

This research aims to rank the popularity of fast-food brands in Indonesia based on Twitter conversations using the Preference Selection Index (PSI) method and validate the results with COPRAS and AHP-COPRAS methods. Data were obtained by crawling Twitter from April 21, 2023, to April 28, 2023. Seven well-known brands, such as KFC, MCD, PizzaHut, Hokben, Solaria, JCo, and Richeese, were evaluated as alternatives using eight criteria through Social Network Analysis. The criteria were categorized into advantageous and disadvantageous, and preference values were calculated using PSI. After normalizing the decision matrix, calculations were performed for preference variation and overall preference values. Alternatives were ranked based on the preference selection index, and the results were validated with COPRAS and AHP-COPRAS. The results revealed significant differences in rankings between the PSI method and others. The alternative that received the highest rank changed from A2 (COPRAS and AHP-COPRAS) to A3 (PSI). This emphasizes the importance of choosing the right method for brand ranking, as it can influence decision-making. Method validation through result comparison with other methods provides additional insights into the reliability of the PSI method in the context of this research.
Optimalisasi Model Klasifikasi Diabetes Menggunakan Ensemble Learning Adaboost, Gradient Boosting, dan XGBoost Wibisono, Setyawan; Hadikurniawati, Wiwien; Yulianton, Heribertus; Lestariningsih, Endang; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Diabetes mellitus adalah penyakit kronis yang memengaruhi jutaan orang secara global dan membutuhkan metode diagnosis dini untuk mencegah komplikasi. Penelitian ini bertujuan untuk mengoptimalkan prediksi diabetes dengan membandingkan tiga metode ensemble learning: AdaBoost, Gradient Boosting, dan XGBoost. Dataset yang digunakan adalah Diabetes Health Indicators, yang menggabungkan indikator kesehatan seperti tekanan darah, kolesterol, dan kebiasaan gaya hidup. Tahapan penelitian meliputi pemrosesan data, pengembangan model, serta eval_uasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC (Area Under the Curve). Hasil menunjukkan bahwa Gradient Boosting unggul dalam akurasi dan AUC, menandakan kemampuan yang lebih baik dalam mendeteksi diabetes secara konsisten dibandingkan dengan dua metode lainnya. AdaBoost memperlihatkan keseimbangan yang baik antara presisi dan recall, menjadikannya cocok untuk skenario yang memerlukan pengendalian kesalahan positif dan negatif secara proporsional. Sementara itu, XGBoost menawarkan efisiensi pemrosesan yang optimal dengan performa yang kompetitif. Gradient Boosting direkomendasikan untuk aplikasi klinis yang membutuhkan akurasi tinggi, sedangkan AdaBoost dapat menjadi alternatif ketika keseimbangan prediksi menjadi prioritas. Penelitian ini berkontribusi dalam pengembangan alat prediksi diabetes yang lebih akurat, efektif, dan dapat diterapkan di sektor kesehatan untuk mendukung upaya deteksi dini.
Analisis Komparatif Metode Ensemble Learning pada Prediksi Kanker Payudara Nur Cahyo IA, Nur Cahyo IA; Wibisono, Setyawan
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga metode ensemble learning, yaitu Random Forest, AdaBoost, dan XGBoost, dalam mengklasifikasikan data kanker payudara. Dataset yang digunakan adalah Wisconsin Breast Cancer (WBC) dari UCI Machine Learning Repository. Metode ensemble diterapkan karena kemampuannya dalam meningkatkan stabilitas dan akurasi prediksi dengan menggabungkan beberapa model dasar. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix dan AUC, dengan pendekatan validasi silang 10-fold. Hasil penelitian menunjukkan bahwa AdaBoost memberikan hasil paling seimbang dengan akurasi tertinggi sebesar 96,31% dan kesalahan klasifikasi paling minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi dini kanker berbasis machine learning.
Co-Authors Ade Izyuddin Aditya Wafda Nahari Almin, Imam Husni Al Amanaturohim, Afif Anton Setiawan Aris Munandar, Muhammad Arjuanda, Resa Cahyono, Adi Tri Cahyono, Taufik Dwi Darmawan, Rico dirgantara krisna gaesa Eddy Nurraharjo Edwin Setiawan Edy Supriyanto Edy Winarno Eko Nur Wahyudi Elen Puspitasari Endang Lestariningsih Enty Nur Hayati Fariz Setiawan Fatkhul Amin Fatkhul Amin Hardiyanti, Susi Sri Heribertus Yulianton Herny Februariyanti Hizkia Indra Purwanto Huda Damar Sangkara Imam Husni Al Amin Indriani Indriani Irfan, Irfan Dwi Yulianto Istiyawan, Diyan Bagus Jati Sasongko Wibowo Jeffri Alfa Razaq Juniko Dwiki Saputro Kukuh Tri Nur Iman Kurniahadi, Wiwien Majid, Dzikri Fauzul Mardi Siswo Utomo Moch Mustofa Muhammad Aris Munandar Muji Sukur Nur Cahyo IA, Nur Cahyo IA Nur Kharisa Umami Rizki, Tita Saeffurrohman . Sahrul Ade Amanatulloh Sambora, Rendy Gibson Setyono, Setyono Siti Munawaroh Sulistyawan, Perdana Eka Putra Taufiq Dwi Cahyono Trisulo, Didik Umam, Muhammad Khoirul Wibowo, Adriyansyah Juri Setyo Wiwien Hadikurniawati zunaidi, edi