Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal MDP Student Conference Riau Jurnal Teknik Informatika
Nova Ariansyah
Universitas Multi Data Palembang
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGEMBANGAN UI/UX PADA APLIKASI KA.COM MENGGUNAKAN METODE DESIGN THINKING Felicia Felicia; Angel Kelly; Sherdian Djunaidi; Nova Ariansyah; Millenia Mudita Chandra; Vincent Vincent; Muhammad Rizky Pribadi
MDP Student Conference Vol 1 No 1 (2022): The 1st MDP Student Conference 2022
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (418.426 KB)

Abstract

Abstract: KA.com was created to make it easier for users to buy tickets for sudden trips or vacations. But in reality KA.com has few users due to incomplete and attractive appearance and features. Therefore, the KA.COM application will be developed using the Thinking Method so that this application can be developed according to the creations and needs of users. The KA.COM application is an online ticket purchase application platform so that it is easier for the public to purchase tickets without having to go to the available ticket booths. In this application, various ticket purchasing services will be available, from airplane tickets, train tickets, to bus tickets. Users only need to login and can already use this application for free. Abstrak: KA.com dibuat agar mempermudah para pengguna membeli tiket untuk melakukan perjalanan atau liburan yang mendadak. Namun dalam kenyataan KA.com memiliki pengguna yang sedikit dikarenakan tampilan dan fitur yang belum lengkap dan menarik. Maka dari itu aplikasi KA.COM ini akan dikembangkan dengan menggunakan Metode Thinking agar aplikasi ini dapat dikembangkan sesuai dengan kreasi dan kebutuhan pengguna. Aplikasi yang KA.COM ini adalah sebuah platform aplikasi pembelian tiket online agar masyarakat dimudahkan dalam pembelian tiket tanpa harus ke loket tiket yang tersedia. Didalam aplikasi ini akan tersedia berbagai layanan pembelian tiket, dari tiket pesawat, tiket kereta api, hingga tiket bus. Pengguna hanya perlu login dan sudah dapat menggunakan aplikasi ini secara gratis.
Klasifikasi Risiko Diabetes Menggunakan Support Vector Machine Berbasis Feature Selection dan Hyperparameter Tuning Nova Ariansyah; Dedy Hermanto
Riau Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Maret 2026
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v5i1.4301

Abstract

Diabetes Mellitus merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat secara global. Deteksi dini risiko diabetes menjadi langkah strategis untuk mencegah komplikasi serius seperti penyakit kardiovaskular dan gagal ginjal. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) dalam klasifikasi risiko diabetes serta menganalisis pengaruh Feature Selection dan Hyperparameter Tuning  terhadap kinerja model. Dataset yang digunakan berjumlah 100.000 data pasien yang diperoleh dari Kaggle  dengan distribusi kelas yang tidak seimbang antara pasien diabetes dan non-diabetes. Preprocessing dilakukan menggunakan Min-Max Normalization. Seleksi fitur diterapkan menggunakan metode ReliefF dan Mutual Information. Evaluasi model menggunakan 10-Fold Cross Validation untuk meminimalkan bias estimasi performa. Hyperparameter Tuning  dilakukan menggunakan Optuna dengan optimasi parameter C, gamma, dan degree pada kernel Polynomial dan Radial Basis Function. Hasil eksperimen menunjukkan bahwa Hyperparameter Tuning  meningkatkan recall kelas Diabetes dari 0,67 menjadi 0,94 serta meningkatkan akurasi keseluruhan dari 94,76% menjadi 98,90%. Jumlah false negative menurun dari 4.851 menjadi 915 kasus. Temuan ini menunjukkan bahwa optimasi parameter dan seleksi fitur berperan penting dalam meningkatkan sensitivitas model terhadap kelas minoritas pada dataset medis yang tidak seimbang.
Co-Authors Angel Kelly Dedy Hermanto Felicia Felicia Millenia Mudita Chandra Muhammad Rizky Pribadi Sherdian Djunaidi Vincent Vincent