Article Per Year (5 Year)
p-Index From 2020 - 2025
3.718
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Jurnal Sains dan Teknologi Jurnal Simetris Jurnal Buana Informatika CommIT (Communication & Information Technology) Scientific Journal of Informatics Proceeding SENDI_U Jurnal Terapan Abdimas JOURNAL OF APPLIED INFORMATICS AND COMPUTING EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Indonesian Journal of Electrical Engineering and Computer Science Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Algoritma Community: Jurnal Pengabdian Pada Masyarakat Jurnal Informatika: Jurnal Pengembangan IT
Egia Rosi Subhiyakto, Egia Rosi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika: Jurnal Pengembangan IT

 1 
Analisis Pengaruh SMOTE terhadap Kinerja Model KNN untuk Prediksi Risiko Stroke Paramita, Cinantya; Simbolon, Calvin Samuel; Pamungkas, Azriel Sebastian; Triono, Justin Matthew; Widi Utomo, Emanuel Pinesthi; Subhiyakto, Egia Rosi
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 4 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i4.8809

Abstract

Penelitian ini membahas masalah ketidakseimbangan data dalam klasifikasi risiko stroke, di mana kasus non-stroke secara signifikan lebih rendah daripada kasus stroke. Ketidakseimbangan kelas cenderung menimbulkan bias terhadap kelas mayoritas, yang menyebabkan berkurangnya efektivitas klasifikasi. Untuk mengatasi hal ini, SMOTE (Synthetic Minority Over-sampling Technique) digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset dan algoritma K-Nearest Neighbor (KNN) digunakan untuk klasifikasi. Dataset mengalami preprocessing, aplikasi SMOTE, dan algoritma KNN dilatih dan dievaluasi menggunakan metrik standar termasuk akurasi, presisi, recall, dan F1-score. Penerapan SMOTE bersama dengan KNN menghasilkan peningkatan yang signifikan dalam hasil klasifikasi, mencapai akurasi 91,87%, presisi 94,27%, recall 89,20%, dan F1-score 91,66%. Temuan ini menegaskan bahwa pendekatan yang diimplementasikan berkinerja baik dalam mendeteksi risiko stroke meskipun ada set data yang tidak seimbang. Tujuan dari penelitian ini adalah untuk menginformasikan kemajuan teknologi deteksi dini stroke yang lebih kuat dan mendukung peningkatan dalam penyediaan layanan kesehatan.
Co-Authors Abiyyi, Ryandhika Bintang Abu Salam Adhitya Nugraha Andreas Wilson Setiawan Ardytha Luthfiarta Astuti, Yani Parti Astuti, Yani Parti Astuti, Yani Parti Cahyati, Ade Puput Catur Supriyanto Dzaky, Azmi Abiyyu Erlin Dolphina Erwin Yudi Hidayat Etika Kartikadarma Faradeya, Muhammad Az-Zauqy Faudyta, Haniifa Aliila Fauzi Adi Rafrastara Guruh Fajar Shidik Hafidhoh, Nisa'ul Hapsari, Swita Amalia Hulaifah Al Abrori, Zahra Zul Ika Novita Dewi Junta Zeniarja Kurniawan, Defri Liya Umaroh, Liya Manurung, Ayub Michaelangelo Miyanthi, Sheryn Aulia Mutia Rahmi Pratiwi Ningrum, Novita Kurnia Ningrum, Novita Kurnia Octaviani, Dhita Aulia Pamungkas, Azriel Sebastian Paramita, Cinantya Prajanto Wahyu Adi, Prajanto Wahyu Pulung Nurtantio Andono Rahadian, Arief Sabilillah, Ferris Tita Safina, Nabila Safina, Nabila Santoso, Ilham Savicevic, Anamarija Jurcev Septiani, Karlina Dwi Simbolon, Calvin Samuel Sinaga, Jesica Trivena Sindhu Rakasiwi Swanny Trikajanti Widyaatmadja T. Sutojo Triginandri, Rifqi Triono, Justin Matthew Utomo, Danang Wahyu Widi Utomo, Emanuel Pinesthi Yunianto, Amar Haris