Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] SmartComp Jurnal Sains Sistem Informasi
Mayang Sari
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAIYES UNTUK MENDETEKSI DINI RESIKO KANKER SERVIKS PADA REMAJA Mayang Sari; Yusri Ikhwani
PROSIDING SEMINASTIKA Vol 1 No 1 (2018): 1st SEMINASTIKA 2018
Publisher : Universitas Mulia

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

Abstract

Kanker saat ini menjadi penyakit paling ditakuti oleh setiap orang. Ada banyak jenis kanker yang dapat menjadi pembunuh bagi manusia, salah satunya adalah kanker serviks. kanker serviks memiliki angka tertinggi di antara kanker lain yang paling mematikan di Indonesia. Kanker serviks sendiri terjadi karena adanya penularan virus HPV (human papilomavirus), namun pada dasarnya kanker serviks dapat dicegah sejak dini dengan memberikan pengetahuan kepada masyarakat khususnya remaja sehingga dapat menekan angka kejadian kanker serviks tersebut.Deteksi dini sangatlah diperlukan untuk mencegah terjadinya kanker serviks, ada beberapa cara yang dapat dilakukan untuk mendeteksi dini resiko kanker serviks pada remaja salah satunya dengan memanfaatkan media teknologi. Dalam penelitian ini metode yang digunakan untuk mem-prediksi resiko kanker serviks pada remaja dilakukan dengan mengkomparasi dua algoritma yaitu K-Nearest Neighbor dan Naïve Bayes yang mana masing-masing algoritma diuji untuk menghasilkan prediksi dengan tingkat akurasi yang maksimal.Berdasarkan hasil implementasi dan pengukuran kedua algoritma, diperoleh algoritma ter-baik yaitu Naïve Bayes yang mampu memprediksi dengan tingkat akurasi 85.71 sedangkan K-Nearest Neighbor mampu memprediksi dengan tingkat akurasi sebesar 80.95%. tetapi akurasi ini masih belum bisa dinilai excellent (sangat baik) untuk itu sangat perlu dilakukan pengembangan analisis dan hasil lebih lanjut, khususnya memperdalam faktor resiko kanker serviks pada remaja sehingga didapatkan hasil akurasi yang lebih optimal.
APLIKASI PENGADUAN DAN MONITORING TANGGAPAN PENGADUAN PUSAT DATA ELEKTRONIK RSUD ULIN BANJARMASIN BERBASIS WEB Andi Rival Borneo Tampilang; Mayang Sari; Ahmadi Ahmadi
Jurnal Sains Sistem Informasi Vol 1, No 1 (2023): JSSI (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v1i1.10207

Abstract

Rumah Sakit Umum Daerah Ulin Banjarmasin memiliki visi yaitu terwujudnya rumah sakit umum dengan klasifikasi kelas A berstandar internasional dan terpercaya tahun 2015. Dengan demikian dapat kita ketahui untuk menuju rumah sakit dengan klasifikasi kelas A berstandar internasional bahwa segala sesuatu yang bersangkutan dalam kinerja rumah sakit haruslah berstandar yang bagus pula, baik dari segi penanganan kesehatan, pengelolaan keuangan, pengelolaan sumber daya, pengaduan keluhan barang elektronik, sampai pengadministrasian surat.Dalam dunia kerja saat ini khususnya pengadministrasian surat untuk input data pembuatan laporan menggunakan komputerisasi tetapi masih dilakukan secara manual dengan bermodalkan aplikasi Microsoft Office Word dan Microsoft Office Excel sehingga dalam pengerjaannya memakan waktu yang cukup lama dan besarnya peluang terjadi kesalahan dalam pengetikan pembuatan surat ataupun laporan cukup besar. Selain dari pembuatan laporan keluhan barang elektronik, penyusunan file-file dan folder-folder untuk pembuatan surat pun masih kurang rapi dalam penyusunannya sehingga dapat memungkinkan untuk terjadinya kesulitan dalam mencari data yang ingin dicari walaupun dengan menggunakan aplikasi pencarian yang telah tersedia pada sistem operasi windows. Maka dari itu penulis berkeinginan untuk membuat sebuah aplikasi yang digunakan untuk mempermudah pengerjaan pengaduan keluhan barang elektronik atau penginputan pada laporan di Pusat Data Elektronik Rumah Sakit Umum Daerah Ulin Banjarmasin.
Penerapan Algoritma Naive Bayes untuk Analisa Pengaruh Asisten Virtual Terhadap Efektivitas Pembelajaran Mahasiswa Teknik Informatika dalam Mata Kuliah Kecerdasan Buatan Mayang Sari; Dian Agustini; Muthia Farida
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.9847

Abstract

Abstrak: Perkembangan teknologi kecerdasan buatan telah menghadirkan berbagai inovasi dalam dunia pendidikan, salah satunya adalah penggunaan virtual asisten sebagai alat bantu pembelajaran. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan virtual asisten terhadap pembelajaran mahasiswa Teknik Informatika dalam mata kuliah Kecerdasan Buatan. Pendekatan yang digunakan dalam penelitian ini adalah klasifikasi data menggunakan algoritma Naïve Bayes, yang memungkinkan analisis probabilistik terhadap faktor-faktor yang memengaruhi efektivitas pembelajaran dengan virtual asisten.Data penelitian dikumpulkan melalui kuesioner daring yang disebarkan kepada 200 mahasiswa Program Studi Teknik Informatika yang kemudian diolah dan diklasifikasikan menjadi tiga kategori efektivitas, yaitu Efektif, Cukup Efektif, dan Tidak Efektif.Analisis dilakukan menggunakan perangkat lunak RapidMiner dengan penerapan algoritma Naive Bayes. Hasil pengujian menunjukkan tingkat akurasi sebesar 80,77%, dengan nilai precision dan recall tertinggi pada kelas Cukup Efektif. Hal ini menunjukkan bahwa model mampu mengenali pola persepsi mahasiswa dengan cukup baik, meskipun terdapat sedikit tumpang tindih antara kelas Efektif dan Cukup Efektif.Hasil penelitian ini membuktikan bahwa algoritma Naive Bayes dapat digunakan secara efektif untuk menganalisis data persepsi berbasis survei dan memberikan gambaran yang objektif mengenai tingkat efektivitas Virtual Assistant dalam mendukung proses pembelajaran. Temuan ini diharapkan dapat menjadi dasar bagi institusi pendidikan untuk mengoptimalkan pemanfaatan teknologi AI dalam kegiatan belajar mengajar.Kata Kunci – Naive Bayes; Virtual Assistant; Efektivitas Pembelajaran; RapidMiner; Kecerdasan Buatan
Co-Authors Ahmadi Ahmadi Andi Rival Borneo Tampilang Dian Agustini Muthia Farida Yusri Ikhwani