Article Per Year (5 Year)
p-Index From 2021 - 2026
2.459
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi Jurnal Nasional Komputasi dan Teknologi Informasi Progresif: Jurnal Ilmiah Komputer Journal of Innovation and Future Technology (IFTECH) Jurnal Inovasi Penelitian dan Pengabdian Masyarakat Urecol Journal. Part E: Engineering Jurnal Abdimas Indonesia Jurnal Bisnis Digital dan Sistem Informasi Jurnal Ilmu Komputer dan Matematika
Taftazani Ghazi Pratama
Universitas Muhammadiyah Kudus
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
PERANCANGAN WEBSITE INTERAKTIF UNTUK MERENCANAKAN PERJALANAN BERBASIS TEKNOLOGI DAN INFORMASI TERKINI Osama Maulana Haq; Widya Cholid Wahyudin; Taftazani Ghazi Pratama; Agung Prihandono
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 5, No 2 (2024): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v5i2.2497

Abstract

Pengembangan website Traveluki sebagai solusi inovatif dalam mendukung kebutuhan pengguna dalam  merencanakan  perjalanan.  Dengan  fokus  pada  teknologi  informasi,  artikel  menguraikan  faktor latar  belakang,  seperti  peningkatan  penggunaan  smartphone,  tren  pariwisata  digital,  personalisasi pengalaman  wisata,  dan  pemanfaatan  teknologi  Augmented  Reality  (AR)  dan  Virtual  Reality  (VR). Dukungan  dari  pemerintah  dan  industri  pariwisata,  serta  penekanan  pada  keakuratan  dan  keamanan informasi, menjadi prinsip utama dalam pengembangan website ini. Materi dan metode pengembangan, termasuk penggunaan HTML, CSS, JavaScript, Python, MongoDB, dan Flask, dijelaskan dengan detail. Sitemap  untuk  pengunjung  wisata  dan  pemilik  wisata  disajikan  dengan  rinci,  menggambarkan  rute navigasi yang intuitif. Hasil dan pembahasan mencakup wireframe dari berbagai halaman kunci, seperti Home,  Discover,  Cek  Booking,  Cek  Tiket,  Tentang  Kami,  Register,  dan  Login,  dengan  fokus  pada keamanan,  efisiensi,  dan  ramah  pengguna.  Artikel  ini  berharap  bahwa  Traveluki  dapat  memberikan kontribusi  positif  terhadap  industri  pariwisata  dengan  memanfaatkan  teknologi  dan  informasi  yang akurat, memenuhi ekspektasi pengguna modern. Kata  Kunci:  Teknologi  Informasi,  Keamanan  Informasi,  HTML,  CSS,  JavaScript,  Python,  MongoDB, Flask
DETEKSI DINI ASD(AUTISM SPECTRUM DISORDER) MENGGUNAKAN MACHINE LEARNING Taftazani Ghazi Pratama; Achmad Ridwan; Agung Prihandono
JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA
Publisher : Universitas Muhammadiyah Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26751/jikoma.v4i2.1998

Abstract

Deteksi dini ASD pada seorang balita sangat membantu orang tua untuk mengetahui kembang tumbuh anak. Pada penelitian ini bertujuan untuk  deteksi dini ASD  menggunakan Naive Bayes dan KNN yang diterapkan pada dataset Autism screening data for toddlers.  Penelitian ini dilakukan melalui tahapan pra pengolahan, pembagian data training 80% dan testing 20%, pembuatan model, dan evaluasi dari model yang dibuat.  Hasil evaluasi model yang dibuat  menunjukkan bahwa KNN memperoleh nilai akurasi, sensitivitas, dan spesifisitas lebih tinggi daripada Naive Bayes. KNN memperoleh nilai akurasi sebesar  95,73%, sensitivitas sebesar 93,84%, dan  spesifisitas100%. Hal ini mengindikasikan bahwa KNN dapat membantu dalam deteksi dini pada seorang balita dengan kinerja yang baik. 
Analisis Perbandingan Kinerja Algoritma Naïve Bayes Dan KNN Untuk Memprediksi Penyakit Diabetes Osama Maulana Haq; Achmad Ridwan; Taftazani Ghazi Pratama
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1 (2025): Februari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2424

Abstract

Diabetes is a chronic disease affecting various age groups with a risk of fatal complications. Accurate diagnosis is a crucial initial step in management; however, the gradual progression of symptoms often leads to delayed detection. This study compares the accuracy of the Naïve Bayes and K-Nearest Neighbors (KNN) algorithms in predicting diabetes using a dataset from Kaggle. Naïve Bayes was chosen for its ability to handle large datasets, missing values, irrelevant attributes, and noise, while KNN offers simplicity in implementation. The results show that KNN achieves a higher accuracy of 79% compared to Naïve Bayes at 76%. Therefore, KNN is recommended for diabetes prediction based on this dataset.Keywords: Diabetes; Naïve Bayes, K-Nearest Neighbors; Accuracy AbstrakDiabetes merupakan penyakit kronis yang menyerang berbagai usia dengan risiko komplikasi fatal. Diagnosis yang akurat menjadi langkah awal penting untuk pengelolaan, namun gejala yang berkembang perlahan sering menyebabkan keterlambatan deteksi. Penelitian ini membandingkan akurasi algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam memprediksi diabetes menggunakan dataset dari Kaggle. Naïve Bayes dipilih karena kemampuannya menangani dataset besar, data hilang, atribut tidak relevan, dan noise, sedangkan KNN menawarkan kesederhanaan implementasi. Hasil pengujian menunjukkan bahwa KNN memiliki akurasi lebih tinggi sebesar 79% dibandingkan Naïve Bayes yang mencapai 76%. Dengan demikian, KNN lebih direkomendasikan untuk prediksi diabetes berdasarkan dataset ini.Kata Kunci: Diabetes; Naïve Bayes; K-Nearest Neighbors; Akurasi
Co-Authors Achmad Ridwan Achmad Ridwan, Achmad Agung Prihandono Andi Kurniawan Anwari . Dian Rosita Edi Wibowo Suwandi Fida Maisa Hana Hafni Aulida Helmi Imaduddin Hermawan Abdillah Hamka Mahdarul Huda Ahmad Muhamad Jauhar Osama Maulana Haq Purbowati Purbowati Rafsanjani, Toni Ardi Rahmawati, Ashri Maulida Rahmawati, Riana Putri Sam Saputra, Vernanda Saputra, Vernanda Sam Soma Setiawan Ponco Nugroho Syahrul Azmi Nawaf Widya Cholid Wahyudin