Article Per Year (5 Year)
p-Index From 2021 - 2026
12.939
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) ComEngApp : Computer Engineering and Applications Journal TEKNIK INFORMATIKA Jurnal Pendidikan Matematika Media Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Simantec Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) International Journal of Advances in Intelligent Informatics Jurnal Informatika dan Teknik Elektro Terapan POSITIF Annual Research Seminar KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Proceeding of the Electrical Engineering Computer Science and Informatics Science and Technology Indonesia Demography Journal of Sriwijaya Sistemasi: Jurnal Sistem Informasi Jurnal Penelitian Sains JST ( Jurnal Sains Terapan ) JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat BAREKENG: Jurnal Ilmu Matematika dan Terapan Dinamisia: Jurnal Pengabdian Kepada Masyarakat PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Infomedia KACANEGARA Jurnal Pengabdian pada Masyarakat MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Riau Journal of Empowerment Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal KOMPUTEK Indonesian Journal of Applied Informatics KOMPUTIKA - Jurnal Sistem Komputer Jurnal Teknologi dan Informasi JKPM (Jurnal Kajian Pendidikan Matematika) Energy : Jurnal Ilmiah Ilmu-Ilmu Teknik Jurnal Teknologi Terapan Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Vokasi Jurnal Teknik Elektro dan Komputasi (ELKOM) Jurnal ABDINUS : Jurnal Pengabdian Nusantara Scientific Journal of Informatics Jurnal Teknik Elektro Uniba (JTE Uniba) Square : Journal of Mathematics and Mathematics Education BERNAS: Jurnal Pengabdian Kepada Masyarakat JOINT (Journal of Information Technology Jurnal Sistem Informasi dan Sistem Komputer Jurnal Teknik Informatika (JUTIF) Jurnal AbdiMas Nusa Mandiri Jurnal Amplifier: Jurnal Ilmiah Bidang Teknik Elektro dan Komputer JAGROS : Jurnal Agroteknologi dan Sains (Journal of Agrotechnology Science) Jurnal Ilmu Komputer dan Informatika Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Jurnal Rekayasa Elektro Sriwijaya Jurnal Teknologi BAKTI : Jurnal Pengabdian Kepada Masyarakat Pattimura International Journal of Mathematics (PIJMath) Proceeding Applied Business and Engineering Conference Technology and Informatics Insight Journal Electrician : Jurnal Rekayasa dan Teknologi Elektro COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Journal Medical Informatics Technology Journal Of Artificial Intelligence And Software Engineering Jurnal INFOTEL Jurnal Informatika Polinema (JIP) Kreano, Jurnal Matematika Kreatif Inovatif Jurnal Kecerdasan Buatan dan Teknologi Informasi Majalah Bisnis & IPTEK
Anita Desiani
Universitas Sriwijaya, Palembang, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 119 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 119 Documents
Search

 3   4   5   6   7 
Pemanfatan Lilin Dalam Pembelajaran Matematika Bangun Ruang Bagi Siswa Sekolah Dasar Sri Indra Maiyanti; Anita Desiani; Bambang Suprihatin
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 4 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (559.683 KB) | DOI: 10.31949/jb.v4i1.3881

Abstract

Matematika merupakan mata pelajaran yang dianggap sulit oleh kebanyakan siswa sekolah dasar. Berbagai inovasi dalam pembelajaran Matematika dilakukan supaya materi pelajaran yang abstrak dapat dipahami dengan mudah dan melekat dalam ingatan siswa. Pengabdian kepada masyarakat ini bertujuan memberikan alternatif pembelajaran Matematika yang mudah dipahami, menarik dan menyenangkan dengan memanfaatkan media pembelajaran dalam bentuk lilin bangun ruang. Metode kegiatan dengan ceramah dan praktek pembuatan lilin berbentuk bangun ruang (kubus, balok, kerucut, prisma, limas, tabung dan bola). Hasil dari pengabdian ini adalah siswa dapat memahami materi bangun ruang melalui benda konkrit, selanjutnya dapat ditingkatkan ke pemahaman yang lebih abstrak. Siswa mengikuti kegiatan dengan antusias, bersemangat dan gembira. Sebelum kegiatan 80% siswa menganggap pelajaran bangun ruang “sulit” namun setelahnya hanya tinggal 33,3% siswa yang menganggap pelajaran bangun ruang sulit. Hampir semua siswa (93,3%) menganggap pembelajaran bangun ruang dengan media lilin bangun ruang “menyenangkan” dan mudah dilakukan. Nilai siswa setelah pembelajaran (Nilai rata-rata 67,5 post-test) lebih baik dibandingkan sebelumnya (rata-rata pre-test 50,7). Kata Kunci: Bangun Ruang; Lilin Bangun Ruang; Media Pembelajaran Matematika
Handling Missing Data Using Combination of Deletion Technique, Mean, Mode and Artificial Neural Network Imputation for Heart Disease Dataset Anita Desiani; Novi Rustiana Dewi; Annisa Nur Fauza; Naufal Rachmatullah; Muhammad Arhami; Muhammad Nawawi
Science and Technology Indonesia Vol. 6 No. 4 (2021): October
Publisher : Research Center of Inorganic Materials and Coordination Complexes, FMIPA Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26554/sti.2021.6.4.303-312

Abstract

The University of California Irvine Heart disease dataset had missing data on several attributes. The missing data can loss the important information of the attributes, but it cannot be deleted immediately on dataset. To handle missing data, there are several ways including deletion, imputation by mean, mode, or with prediction methods. In this study, the missing data were handled by deletion technique if the attribute had more than 70% missing data. Otherwise, it were handled by mean and mode method to impute missing data that had missing data less or equal 1%. The artificial neural network was used to handle the attribute that had missing data more than 1%. The results of the techniques and methods used to handle missing data were measured based on the performance results of the classification method on data that has been handled the problem of missing data. In this study the classification method used is Artificial Neural Network, Naïve Bayes, Support Vector Machine, and K-Nearest Neighbor. The performance results of classification methods without handling missing data were compared with the performance results of classification methods after imputation missing data on dataset for accuracy, sensitivity, specificity and ROC. In addition, the comparison of the Mean Squared Error results was also used to see how close the predicted label in the classification was to the original label. The lowest Mean Squared Error wasobtained by Artificial Neural Network, which means that the Artificial Neural Network worked very well on dataset that has been handled missing data compared to other methods. The result of accuracy, specificity, sensitivity in each classification method showed that imputation missing data could increase the performance of classification, especially for the Artificial Neural Network method.
Majority Voting as Ensemble Classifier for Cervical Cancer Classification Anita Desiani; Endang Sri Kresnawati; Muhammad Arhami; Yulia Resti; Ning Eliyati; Sugandi Yahdin; Titania Jeanni Charissa; Muhammad Nawawi
Science and Technology Indonesia Vol. 8 No. 1 (2023): January
Publisher : Research Center of Inorganic Materials and Coordination Complexes, FMIPA Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26554/sti.2023.8.1.84-92

Abstract

Cervical cancer is one of the deadliest female cancers. Early identification of cervical cancer through pap smear cell image evaluation is one of the strategies to reduce cervical cancer cases. The classification methods that are often used are SVM, MLP, and K-NN. The weakness of the SVM method is that it is not efficient on large datasets. Meanwhile, in the MLP method, large amounts of data can increase the complexity of each layer, thereby affecting the duration of the weighting process. Moreover, the K-NN method is not efficient for data with a large number of attributes. The ensemble method is one of the techniques to overcome the limitations of a single classification method. The ensemble classification method combines the performance of several classification methods. This study proposes an ensemble method with the majority voting that can be used in cervical cancer classification based on pap smear images in the Herlev dataset. Majority Voting is used to integrate test results from the SVM, MLP, and KNN methods by looking at the majority results on the test data classification. The results of this study indicate that the accuracy results obtained in the ensemble method increased by 1.72% compared to the average accuracy value in SVM, MLP, and KNN. for sensitivity results, the results of the ensemble method were able to increase the sensitivity increase by 0.74% compared to the average of the three single classification methods. for specificity, the ensemble method can increase the specificity results by 3.4%. From the results of the study, it can be concluded that the ensemble method with the most votes is able to improve the classification performance of the single classification method in classifying cervical cancer abnormalities with pap smear images.
PEMBERDAYAAN PENGRAJIN SONGKET MELALUI PENDAMPINGAN APLIKASI DESAIN GRAFIS DI DESA LIMBANG JAYA Bambang Suprihatin; Sugandi Yahdin; Sri Indra Maiyanti; Rifkie Primartha; Anita Desiani; Dite Geovani; Redina An Fadhila Chaniago; Nyayu Chika Marselina; Aulia Salsabila; Ira Rayyani
Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Vol 10 No 1 (2023): Januari
Publisher : Lembaga Penelitian, Penerbitan dan Pengabdian Masyarakat (LP3M) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/ppkm.v10i1.3643

Abstract

Kain tenun songket merupakan salah satu aset budaya di Sumatera Selatan. Salah satu desa di Sumatera Selatan yang memproduksi kain tenun songket adalah Desa Limbang Jaya. Penjualan kain tenun songket dan produk lainnya di Desa Limbang Jaya masih dalam skala terbatas sehingga jangkauan pemasaran kain tenun songket produksi Desa Limbang Jaya belum mencakup pasar yang luas. Strategi pemasaran secara online merupakan salah satu faktor penting dalam mempromosikan suatu produk agar dapat menjangkau lebih banyak konsumen. Untuk itu, dilakukan pendampingan panduan penggunaan aplikasi Canva bagi masyarakat Desa Limbang Jaya khususnya para pengrajin kain tenun songket untuk melakukan pemasaran secara online melalui postingan pada platform media sosial sehingga memiliki tampilan yang menarik dan informatif. Dalam pelaksanaannya, kegiatan pendampingan masyarakat ini dilakukan dalam tiga tahapan, yaitu persiapan, pelaksanaan kegiatan dan evaluasi. Setelah dilaksanakannya kegiatan pendampingan kepada masyarakat ini dapat dilihat dari hasil pre-test dan post-test masyarakat Desa Limbang Jaya telah memahami materi dan mampu menerapkan secara langsung penggunaan aplikasi Canva, dengan ini masyarakat Desa Limbang Jaya dapat meningkatkan penjualan kain tenun songket ataupun produk lainnya dalam cakupan pasar yang lebih luas.
Penerapan Metode Support Vector Machine Dalam Klasifikasi Bunga Iris Anita Desiani; Irmeilyana Irmeilyana; Herlina Hanum; Yuli Andriani; Sri Indra Maiyanti; Clarita Margo Uteh; Ira Rayyani
IJAI (Indonesian Journal of Applied Informatics) Vol 7, No 1 (2022)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v7i1.61486

Abstract

Abstrak Data mining adalah proses melatih komputer untuk mengenali suatu pola menggunakan teknik statistika mapun matematika. Salah satu teknik data mining yang sering digunakan adalah klasifikasi, yakni mengelompokkan data ke dalam suatu label menggunakan atribut. Pada klasifikasi, Support Vector Machine (SVM) merupakan salah satu metode yang paling banyak digunakan. Penelitian ini akan memanfaatkan metode SVM dalam melakukan klasifikasi bunga Iris. Data yang diteliti menggunakan sebanyak 150 data dengan menggunakan dua metode data latih, yakni percentage split dan k-fold cross validation. Data diolah melalui tahap pre-processing, lalu diklasifikasi menggunakan metode SVM melalui 2 metode data latih, percentage split sebesar 80% dan k-fold corss validation dengan k=10, perhitungan hasil prediksi menggunakan confusion matrix. Pada metode percentage split diperoleh nilai akurasi sebesar 96,7%, presisi 97,6%, recall sebesar 95,3%, dan F1-score sebesar 96,3%. Pada metode k-fold cross validation diperoleh nilai akurasi sebesar 92,6%, presisi 92,6%, recall sebesar 92,6%, dan F1-score sebesar 92,3%. Dengan demikian metode SVM menggunakan kernel polynomial dengan metode data latih percentage split dapat diimplementasikan ke dalam sistem klasifikasi bunga Iris.AbstractData mining is the process of training a computer to recognize a pattern using statistical and mathematical techniques. One of the data mining techniques that are often used is classification, which is to group data into the label using attributes. In classification, the Support Vector Machine (SVM) is one of the most widely used methods. This research will utilize the SVM method in classifying Iris flowers. The data studied used 150 data using two training data methods, percentage split and k-fold cross validation. The data is processed through the pre-processing stage, then classified using the SVM method through 2 training data methods, percentage split of 80% and k-fold cross validation with k = 10, and calculation of prediction results using a confusion matrix. In the percentage split method, the accuracy is 96.7%, precision is 97.6%, recall is 95.3%, and F1-score is 96.3%. In the k-fold cross validation method, the accuracy is 92.6%, precision is 92.6%, recall is 92.6%, and F1-score is 92.3%. So that the SVM method using a polynomial kernel with the percentage split training data method can be implemented into the iris classification system.
Sistem Pakar Diagnosa Penyakit Kulit Manusia Menggunakan Metode Certainty Factor Dina Elly Yanti; Anita Desiani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 2 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i2.634

Abstract

Sistem pakar merupakan aspek penting dari Artificial Intelligence dimana sistem berupaya untuk mentransfer pengetahuan dari manusia ke komputer dengan tuguan agar computer bisa menjalankan tugas sebagai seorang pakar. Sistem pakar ini digunakan dalam berbagai keadaan, satu diantaranya yaitu digunakan sebagai sistem pakar penyakit kulit pada manusia. Penelitian ini bertujuan membuat sistem yang bisa melakukan diagnosa penyakit terhadap kondisi kulit sesuai dengan gejala yang dimiliki dengan memanfaatkan metode Certainty Factor. Penggunaan metode Certainty Factor ini bertujuan untuk menghasilkan tingkat akurasi diagnosa penyakit yang tinggi. Hasil dari penelitian diharapkan dapat memberikan kesimpulan bahwasanya sistem ini  dapat meghasilkan nilai kepercayaan dalam mendiagnosis penyakit kulit berlandaskan gejala yang dilaporkan pengguna. Penelitian ini memiliki tingkat akurasi 74,1% dari 15 data pengujian sesuai dengan data berdasarkan pengetahuan seorang pakar. Sistem pakar ini ditujukan agar dapat membantu dan memudahkan masyarakat dalam mengetahui penyakit kulit yang dialami dan cara mencegah penyebarannya sebelum konsultasi lebih lanjut dengan dokter spesialis.
Sistem Pakar Diagnosa Penyakit Tuberkulosis Dengan Metode Certainty Adzra Afiifah Nabila; anita Desiani
Journal of Artificial Intelligence and Software Engineering Vol 3, No 1 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i1.3901

Abstract

Tuberkulosis atau TBC adalah penyakit infeksi yang disebabkan oleh bakteri Mycobacterium tuberculosis. Penyakit ini paling sering menyerang paru-paru walaupun pada sepertiga kasus menyerang organ tubuh lain dan ditularkan orang ke orang. Ini juga salah satu penyakit tertua yang diketahui menyerang manusia. Dalam hal ini, akan dilakukan pengecekan diagnosa mengenai penyakit tuberkulosis (TBC) dengan menggunakan sistem pakar supaya dapat dideteksi dini penyakit yang didiagnosa. Penelitian ini menggunakan metode certainty factor, sebuah pendekatan sistem pakar untuk membantu mendiagnosa penyakit Tuberkulosis pada otak yang digunakan dan diaplikasikan untuk mendiagnosa penyakit Tuberkulosis. Tujuan utama dari sistem pakar ialah untuk memasyarakatkan pengetahuan dan pengalaman dari para pakar melalui sebuah sistem. Penerapan metode certainty factor pada sistem pakar menghasilkan akurasi prediksi yang sesuai sehingga sistem pakar yang dirancang efektif untuk mengukur kepastian dalam diagnosis dan dapat menjadi alternatif deteksi dini terhadap beberapa jenis penyakit TBC.
Diagnosa Penyakit THT (Telinga, Hidung, Tenggorokan) menggunakan Metode Certainty Factor pada Sistem Pakar Mitta Permata Sari; Anita Desiani
Journal of Artificial Intelligence and Software Engineering Vol 3, No 1 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i1.3902

Abstract

Penyakit Telinga, Hidung, dan Tenggorokan (Otolaryngology) merupakan salah satu penyakit berbahaya karena menyerang beberapa organ manusia yaitu telinga, hidung, dan tenggorokan. Seringkali penyakit THT (Telinga, Hidung, Tenggoro kan) disebabkan oleh infeksi kuman, namun banyak juga yang disebabkan oleh kelainan perkembangan sel tubuh, yang nantinya mempunyai kemungkinan untuk menjadi tumor dan kanker. Penyakit di sekitar hidung, telinga, dan tenggorokan biasanya disebabkan oleh infeksi kuman, tetapi banyak pula yang diakibatkan oleh kelainan perkembangan sel tubuh, yang kemudian menjadi tumor dan kanker. Penderita suatu penyakit biasanya membutuhkan informasi tentang penyakit berdasarkan gejala-gejala yang dialami sebelum memutuskan untuk menemui dokter atau pergi ke rumah sakit. Dalam hal ini diperlukan adanya deteksi dini melalui sistem yang dapat menerima inputan berupa gejala-gejala penyakit yang dialami oleh penderita dan selanjutnya akan memberikan diagnosa penyakit serta penjelasan mengenai penyakit tersebut. Salah satu solusi dari permasalahan ini adalah dengan dibangunnya sistem pakar yang dapat membantu pengguna untuk mendiagnosa penyakit THT secara praktis dan akurat. Sistem pakar untuk mendiagnosa penyakit THT yang dirancang dan diteliti pada penelitian ini menggunakan metode certainty factor. Metode ini dapat mengatasi ketidakpastian dalam pengambilan keputusan berdasarkan gejala-gejala yang dirasakan atau diinputkan oleh user. Hasil dari uji coba terhadap salah satu pengguna sistem pakar ini menunjukkan akurasi 64.08% untuk penyakit Mastoiditis Akut, 80.16% Barotitis Media, 70.61% Sinusitis, 72.75% Abses Peritonsiler, 72.89% Deviasi Septum, dan 80% untuk penyakit Laringitis. Penerapan metode certainty factor pada sistem pakar efektif diaplikasikan pada sistem untuk mengukur kepastian dalam diagnosis sehingga dapat menjadi alternatif deteksi dini untuk menanggulangi keraguan pada jenis penyakit THT secara dini.
Klasifikasi Gejala Awal Covid-19 dengan Algoritma Classification and Regression Tree (Cart) Agung Alamsyah; Anita Desiani; Endro Setyo Cahyono
KOMPUTEK Vol 7, No 2 (2023): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v7i2.2095

Abstract

COVID-19 is a disease that can cause death and can spread to others. By identifying early symptoms of the disease, early detection can be made for several symptoms that may cause COVID-19. One way to predict COVID-19 is through classification methods. By identifying the symptoms that have an impact on COVID-19, it is hoped that the COVID-19 virus can be stopped from spreading and the world's condition can be normal. This study shows an analysis of attributes that may have an impact on the onset of COVID-19 in an individual. The classification method used is one of the decision tree methods, namely the Classification and Regression Tree (CART). The training and testing methods used in this study are cross-validation and percentage split. The attribute that has a significant influence in this classification using CART method is lung infection. The performance of the system using cross-validation method with a value of k of 10 obtained an accuracy of 85%, which is considered good, while using a percentage split of 66%, an accuracy of 87% was obtained. The evaluation results for the class indicating COVID-19 with precision and recall in cross-validation are 70% and 68%, respectively, while for the percentage split method, precision and recall values of 75% and 70% were obtained, respectively.
Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Certainty Factor Dwi Ranti; Anita Desiani; Sugandi Yahdin; Syafrina Lamin
Jurnal Teknologi Vol 23, No 2 (2023): Oktober 2023
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/teknologi.v23i2.3887

Abstract

The digestive system is very important for humans, there are several digestive systems, one of which is the stomach. The main function of the stomach in the digestive system is to store and digest food before it is absorbed by the body's cells as a source of energy. A healthy lifestyle in life is very important, including maintaining a diet, not eating carelessly, and getting enough rest. An unhealthy life will also trigger various diseases, one of which is gastric disease. Early and accurate diagnosis of kidney disease can aid in timely and effective management of the condition. an expert system for diagnosing gastric disease with the CF (Certainty Factor) method to assist people in diagnosing gastric disease along with advice based on perceived treatment symptoms. This study aims to develop an expert system for diagnosing kidney disease using the CF method. The developed system consists of components of data collection, data storage, and data processing, with the CF method used to calculate the diagnosis level of confidence and make decisions based on predetermined rules. The CF (Certainty Factor) method shows a measure of certainty about a fact, it is known that user 1, user 3, user 4, and user 5 have the highest proportion of gerd disease, namely 36.7%, 38.8%, 48.9%, 47.6%. While user 2 has the highest proportion of stomach cancer with 24.8%. So this study only has an accuracy rate of 80%. Diagnosis can be an alternative to early detection of several types of gastric disease.
Co-Authors Adi Muzakir Adinda Ayu Lestari, Adinda Ayu Adzra Afiifah Nabila Affandi, Azhar Kholiq Agatha, Lucy Chania Agung Alamsyah Ajeng Islamia Putri Ajeng Islamia Putri Al-Ariq, M Al-Filambany, Muhammad Gibran Alamsyah, Agung albar Pratama Alga Mahida Ali Amran Ali Amran Ambarwati Ananda Pratiwi Andhini, Shania Putri Andika Cristian Lubis Andriani, Nur Avisa Calista Anggraini, Jeni Putri Anisa Aulia Kusmareni Annisa Aulia Lestari Annisa Kartikasari Annisa Nabila, Annisa Annisa Nur Fauza Annisa Nurba Iffah’da Apledaria Apledaria Arhami, Muhammad Arhami, Muhammad Arsyad. H, Muhammad Iqbal Arum Setiawan Aulia Salsabila Aulia, Annisa Rizka Ayuputri, Niken Azhar Kholiq Affandi Azzahra, Nur Devita Bambang Suprihatin Bambang Suprihatin Bambang Suprihatin Bambang Suprihatin Batubara, Gracia Mianda Caroline Bella Agustina, Sinta Betty Aprianah Betty Aprianah Budi Mulyono Calista, Nur Avisa Carolina Rahman Chairu Nisa Apriyani Chaya Gladys Zhafirah A Clarita Margo Uteh Des Alwine Zayanti Des Alwine Zayanti Des Alwine Zayanti, Des Alwine Desty Rodiah Dewi Lestari Dwi Putri Dewi Lestari Dwi Putri Dewi, Deshinta Arrova Dian Cahyawati Dien Novita Dina Elly Yanti Dina Elly Yanti Dina Suzzete Sitorus Dite Geovani Dite Geovanni Dwi Ranti Dwi Septiani Dwifa, Dima Echa Alda Melinia Efriliyanti, Filda Endang Sri Kresnawati Endang Sri Kresnawati Endro Setyo Cahyono Endro Setyo Cahyono, Endro Setyo Enyta Yuniar Ermatita - Erwin Erwin Erwin, Erwin Fadhilah, Nadiyah Fadilah, Nadiyah Faishal Fitra Ramadhan Ferdinand Hukama Taqwa Filda Efriliyanti fildzah daniela, nyayu audy Firdaus Firdaus Fitri Salamah Fivalianda, Dido Geovani, Dite Geovanni, Dite Giovillando Hadi Tanuji Hasibuan, MS Henisaniyya, Nabila Herlina Hanum Herlina Hanum, Herlina Hermansyah Hermansyah Hermansyah Hermansyah Hermansyah Husaini Husaini Ilham Tri Wibowo Indah Verdya Alvionita Indra Maiyanti, Sri Ira Rayyani Irmeilyana Irmeilyana Irmeilyana Irvan Andrian Kanda Januar Miraswan Karina Kartila Kartila Kerenila Agustin Kurnia, M Kahfi Aldi Kurniawan, Rifki Kusmareni, Anisa Aulia Lizah Framesti Lubis, Andika Cristian Lucy Chania Agatha Makhalli, Siddiq Manoppo, Sania Marselina, Nyanyu Chika Maya Meilensa Maya Meilensa Mayangsari, Oki Sukma Mega Tiara Putri Mitta Permata Sari Mochamad Syaifudin, Mochamad Mortara, Alda Amalia MS Hasibuan Muhammad Akbar Muhammad Akmal Shidqi Muhammad Awaludin Djohar Muhammad Awaludin Djohar Muhammad Azwar Annas Muhammad Gibran Al-Filambany Muhammad Naufal Rachmatullah Muhammad Nawawi Muhammad Nawawi Muhammad Syariful Irsyad Muhammad Wahyu Ilahi Muhammat Rio Halim Muslim Muslim Muslim Muslim Mustaqima, Dina Mutiara Saviera Muzakir, Adi Muzayyadah, Fathona Nur Nadya Riri Febiyanti Napitu, Michael Jackson Narti Narti, Narti Naufal Rachmatullah Ngudiantoro . Ning Eliyati Novi Rustiana Dewi Novi Rustiana Dewi Nugrohoputri, Rifa Fadhila NUNI GOFAR Nur Avisa Calista Nur Devita Azzahra Nyayu Chika Marselina Oki Dwipurwani Permatasari, Mitta Pertiwi, Citra Prabudifa, Muhammad Yusuf Pranata, Teddi Pratiwi, Ananda Puspa Sari Puspa Sari, Puspa Putra Bahtera Jaya Bangun, Putra Bahtera Jaya Putri Bella Nusantara Putri Pratiwi Putri, Ajeng Islamia Rahmadita, Suristhia Rahmat Dwian Ramadhan, Faishal Fitra Ramadhan, Raihan Ramadhani, Syafira Dian Ramayanti, Indri Rana Sania Rayani, Ira Redina An Fadhila Chaniago Redina An Fadhila Chaniago Refky Maulana Rifa Fadhila Nugrohoputri Rifki Kurniawan Rifkie Primartha Rifkie Primartha Rifkie Primartha Rio Halim, Muhammat Rizki, Fatur Salahuddin Salahuddin Salamah, Fitri Salsabila, Aulia Saputra, Tommy Sari Suryati Sasongko, Muhammad Aditya Savera, Mutiara Saviera, Mutiara Shania Putri Andhini Shidqi, Muhammad Akmal Shinta Octarina Siddiq Makhalli Sigit Priyanta Simamora, Valentino Sinta Bella Agustina Siti Husnul Hotimah, Siti Husnul Siti Nurhaliza Siti Rusdiana Puspa Dewi Sitorus, Dina Suzzete Sri Indra Maiyanti Sri Indra Maiyanti Sri Indra Maiyanti Sri Indra Maiyanti Suedarmin, Muhammad Sugandi Yahdin Sugandi Yahdin Sugandi Yahdin Suratama, Bintang Susanto Susanto Susanto Susanto Syafrina Lamin, Syafrina Syarifuddin, Fauzi Yusuf Teddi Pranata Titania Jeanni Charisa Titania Jeanni Charissa Tri Febriani Putri tri wahyuni Villando, Gio Waafiyah, Hilmiana Wahyudi, Yogi Yadi Utama Yassir Yassir Yogi Wahyudi Yonarta, Danang Yuli Andirani Yuli Andriani Yuli Andriani Yulia Resti Yuniar, Enyta Z, Des Alwine