Article Per Year (5 Year)
p-Index From 2021 - 2026
4.505
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Sinergi Sistemasi: Jurnal Sistem Informasi Jurnal CoreIT Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Sains dan Informatika J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Nasional Komputasi dan Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Jurnal Teknologi Informasi dan Multimedia Jurnal Informatika dan Rekayasa Perangkat Lunak JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Journal Of Artificial Intelligence And Software Engineering Indonesian Journal of Innovation Multidisipliner Research
Fitri Insani
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Neuroscience Transportation Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : journal of artificial intelligence and software engineering

 1 
Implementation of SMOTE and Information Gain Feature Selection in Learning Vector Quantization for Asthma Disease Classification Diah Ayu Kinanti; Fitri Insani; Novi Yanti; Muhammad Affandes
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.9354

Abstract

Asma adalah penyakit pernapasan akibat peradangan saluran udara di paru-paru yang menyebabkan penyempitan dan kesulitan bernapas. Prevalensinya terus meningkat secara global, sehingga diperlukan metode deteksi dini yang akurat. Masalah yang ditemukan dalam proses pengklasifikasian penyakit asma adalah distribusi kelas yang tidak seimbang pada dataset. Penelitian ini menerapkan algoritma Learning Vector Quantization (LVQ) yang dioptimalkan dengan seleksi fitur Information Gain dan teknik penyeimbangan data SMOTE untuk klasifikasi penyakit asma. Dataset penelitian mencakup 2.392 data pasien dengan 28 fitur dan 1 kelas target yang diperoleh dari platform Kaggle. Pengujian dilakukan pada lima skenario dengan tiga fungsi jarak Euclidean , Chebyshev, Manhattan, learning rate 0,001–0,005, dan rasio pembagian data 90:10, 80:20, serta 70:30. Hasil terbaik diperoleh pada skenario SMOTE, Information Gain, dan LVQ menggunakan fungsi jarak Euclidean  dengan learning rate 0.004 dan rasio 90:10, menghasilkan akurasi 77.97%, precision  73.61%, recall  87.22% dan F1-score 79.84%. Penerapan SMOTE menjadi komponen penting karena tanpa SMOTE model gagal mengenali kelas asma, terbukti pada percobaan tanpa menggunakan SMOTE menghasilkan precision , recall , dan F1-score bernilai 0% meskipun akurasi mencapai 94–95%.
Application of Information Gain Feature Selection and SMOTE in XGBoost Algorithm for Asthma Disease Classification Fioni Nikmatul Fajar; Fitri Insani; Suwanto Sanjaya; Iis Afrianty
Journal of Artificial Intelligence and Software Engineering Vol 6, No 2 (2026): Juni (OnProgress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v6i2.9384

Abstract

Asma merupakan salah satu penyakit kronis pada sistem pernapasan yang prevalensinya terus meningkat dan memerlukan deteksi dini untuk mencegah komplikasi serius. Salah satu tantangan dalam klasifikasi asma menggunakan machine learning adalah ketidakseimbangan kelas yang menyebabkan model cenderung memprediksi kelas mayoritas sehingga kemampuan mendeteksi kasus asma menjadi rendah. Penelitian ini mengusulkan penerapan SMOTE dan seleksi fitur Information Gain dalam algoritma XGBoost untuk mengatasi permasalahan tersebut. Dataset yang digunakan terdiri dari 2.392 data dengan 28 atribut, di mana tahapan penelitian meliputi preprocessing, seleksi fitur menggunakan Information Gain yang mengurangi fitur menjadi 22 fitur, penyeimbangan data menggunakan SMOTE, pembagian data dengan rasio 90:10, 80:20, dan 70:30, serta klasifikasi menggunakan XGBoost. Pengujian dilakukan terhadap empat skenario pendekatan untuk membandingkan kontribusi setiap metode yang diterapkan. Evaluasi dilakukan menggunakan data uji seimbang dan data uji asli dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa skenario terbaik diperoleh pada kombinasi Information Gain + SMOTE + XGBoost dengan rasio 90:10 pada data uji seimbang, menghasilkan akurasi 75%, presisi 87,5%, recall 58,33%, dan F1-score 70%. Hasil tersebut menunjukkan bahwa kombinasi seleksi fitur dan penyeimbangan data mampu meningkatkan kemampuan model dalam mendeteksi penyakit asma.
Co-Authors Ab Razak Che Hussin Ade Puspita Sari Ahmad Rizki Ramadhan Ahyani Junia Karlina Alwis Nazir Ana Komaria Baskara Aqshol Al Fahrozi Ayu Fransiska Badri Yusuf Dea Ropija Sari Diah Ayu Kinanti Dimas Ferarizki Dzaky Abdillah Salafy Eka Pandu Cynthia Eka Suryani Indra Septiawati Elvia Budianita Elvia Budianita Faisal Saeed Febi Yanto Fioni Nikmatul Fajar Firman Zahri Fitra Kurnia Fitri Wulandari Gusti, Siska Kurnia Iis Afrianty Irfan Arifin Isma Harani Ivo Dwi Ananda Iwan Iskandar Jasril Jasril Kevin Maulana Risky Lestari Handayani Lola Oktavia Luh Kesuma Wardhani M Alfandri Aqilah m azwan Marliana Safitri MHD Ade Setiawan Muhammad Affandes Muhammad Elfarizi Muhammad Fikry Muhammad Fikry Muhammad Irsyad Muhammad Vio Hardiansyah Nazruddin Safaat H Niken Aisyah Maharani Herwanza Novi Yanti Novri Yanto Nurul Ikhsan Okfalisa Okfalisa Pizaini Pizaini Rahmad Kurniawan Siti Ramadhani Surya Agustian Suwanto Sanjaya Syafawani Fadilah Syahbudin Hamwar Teddie Darmizal Trisia Intan Berliana Wenny Tarisa Oktaviany Yelfi Vitriani Yoga Nur Pradana Yolanda Enza Wella Yusra Yusra Yusra Yusra Yusra, Yusra