Article Per Year (5 Year)
p-Index From 2021 - 2026
2.794
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Teknologi Informasi dan Ilmu Komputer SMATIKA KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INTEGER: Journal of Information Technology JURNAL MEDIA INFORMATIKA BUDIDARMA SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal RESISTOR (Rekayasa Sistem Komputer) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Jurnal Manajemen Informatika JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Prima Abdika: Jurnal Pengabdian Masyarakat JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Informatika: Jurnal Pengembangan IT Jurnal ilmiah teknologi informasi Asia Smatika Jurnal : STIKI Informatika Jurnal Jurnal Abdimas Mahakam
Farokhah, Lia
Institut Teknologi Dan Bisnis Asia Malang
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Early Stroke Disease Prediction Based on Lifestyle Factors Applied with Machine Learning Suastika Yulia Riska; Lia Farokhah
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 5 (2025): October 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i5.6495

Abstract

Stroke prediction has many supporting features and variables. Some forecasts focus more on health or elements that are already present. Predicting stroke risk by identifying habitual factors provides more advantages for preventive action. In addition, the complexity of features or variables is a concern in predicting stroke risk. In this study, we used a public dataset from Kaggle with 10 features or variables. In this study, we propose to collaborate algorithms and preprocessing in feature selection using Pearson Correlation and Principal Component Analysis (PCA) dimension reduction to unravel the complexity of variables and data processing computing. This aims to predict stroke risk more simply. The results of the experiment show that feature selection using Pearson Correlation between features and labels produces maximum results using 5 features out of 10 provided features. This approach produces the best performance on the Naïve Bayes, Iterative Dichotomiser Tree (ID3), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), and Logistic Regression with 100% accuracy and reduces features by 50% to support the reduction of the complexity of prediction variables and data processing computing.
Implementasi K-Nearest Neighbor untuk Klasifikasi Bunga Dengan Ekstraksi Fitur Warna RGB Farokhah, Lia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 6: Desember 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020722608

Abstract

Era computer vision merupakan era dimana komputer dilatih untuk bisa melihat, mengidentifikasi dan mengklasifikasi seperti kecerdasan manusia. Algoritma klasifikasi berkembang dari yang paling sederhana seperti K-Nearest Neighbor (KNN) sampai Convolutional Neural Networks. KNN merupakan algoritma klasifikasi yang paling sederhana dalam mengklasifikasikan sebuah gambar kedalam sebuah label. Metode ini mudah dipahami dibandingkan metode lain karena mengklasifikasikan berdasarkan jarak terdekat dengan objek lain (tetangga). Tujuan penelitian ini untuk membuktikan kelemahan metode KNN dan ekstraksi fitur warna RGB dengan karakteristik tertentu. Percobaan pertama dilakukan terhadap dua objek dengan kemiripan bentuk tetapi dengan  warna yang  mencolok di salah satu sisi objek. Percobaan kedua terhadap dua objek yang memiliki perbedaan karakteristik bentuk meskipun memiliki kemiripan warna. Empat objek tersebut adalah bunga coltsfoot, daisy, dandelion dan matahari. Total data dalam dataset adalah 360 data. Dataset memiliki tantangan variasi sudut pandang, penerangan, dan  gangguan dalam latar. Hasil menunjukkan bahwa kolaborasi metode klasifikasi KNN dengan ekstraksi fitur warna RGB memiliki kelemahan terhadap percobaan pertama dengan akurasi 50-60% pada K=5. Percobaan kedua memiliki akurasi sekitar 90-100% pada K=5. Peningkatan akurasi, precision dan recall terjadi ketika menaikkan jumlah K yaitu dari K=1menjadi K=3 dan K=5.Kata kunci: k-nearest neighbour, RGB, kelemahan, kemiripan, bunga  IMPLEMENTATION OF K-NEAREST NEIGHBOR FOR FLOWER CLASSIFICATION WITH EXTRACTION OF RGB COLOR FEATURESThe era of computer vision is an era where computers are trained to be able to see, identify and classify as human intelligence. Classification algorithms develop from the simplest such as K-Nearest Neighbor (KNN) to Convolutional Neural Networks. KNN is the simplest classification algorithm in classifying an image into a label. This method is easier to understand than other methods because it classifies based on the closest distance to other objects (neighbors). The purpose of this research is to prove the weakness of the KNN method and the extraction of RGB color features for specific characteristics. The first  experiment on two objects with similar shape but with sharp color on one side of the object. The second experiment is done on two objects that have different shape characteristics even having a similar colors. The four objects are coltsfoot, daisy, dandelion and sunflower. Total data in the dataset is 360 data. The dataset has the challenge of varying viewpoints, lighting and background noise. The results show that the collaboration of the KNN classification method with RGB color feature extraction has weakness in the first experiment with the level of accuracy about 50-60% at K = 5. The second experiment has an accuracy of around 90-100% at K = 5. Increased accuracy, precision and recall occur when increasing the amount of K, from K = 1 to K = 3 and K = 5.  Keywords: k-nearest neighbour, RGB, weakness, similar, flower
Perancangan dan Pembuatan Website Majelis Ulama Indonesia Kota Batu Malang Farokhah, Lia; Noercholis, Achmad; Ahda, Fadhli Almu’iini; Sulistyo, Danang Arbian; Rofiq, Muhammad
Prima Abdika: Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2024): Volume 4 Nomor 1 Tahun 2024
Publisher : Program Studi Pendidikan Guru Sekolah Dasar Universitas Flores Ende

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37478/abdika.v4i1.3746

Abstract

Community service is one of the activities required for lecturers at Institut Teknologi dan Bisnis ASIA Malang every semester. This activity is carried out in groups to distribute knowledge to the community. This activity is in partnership with the Batu City MUI in creating a digital website for distribution of information to the wider community. Problems arise when a partner's website is hacked or damaged by a hacker. The service team wanted to teach how to recover or mitigate after damage, but the technical team could not provide information regarding the website and suggested creating a new website. In the initial stage, this service will create a new website. The method of this service approach is to carry out discussions in group discussion forums (FGD). The results of the discussion were realized in the form of a website for the Batu City MUI. Evaluations were carried out regarding design and functionality requirements. The partners are satisfied but it must be developed further. In ongoing collaboration this website will continue to be developed. After that, training in mitigating data when exposed to hackers will be carried out in the next service.
Klasifikasi Bumbu Dapur Indonesia Menggunakan Metode K-Nearest Neighbors (K-NN) Suastika Yulia Riska; Lia Farokhah
SMATIKA JURNAL : STIKI Informatika Jurnal Vol 11 No 01 (2021): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM UBHINUS MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v11i01.568

Abstract

Seasoning is one of the most important elements in a dish. Indonesian herbs or spices have a very wide variety of types. Mistakes in choosing spices have a big effect on the taste of the dish. Image processing is a branch of science in the field of technology that can be used to recognize image objeks captured by the camera. This study will classify the types of spices that are almost similar, namely ginger, galangal, turmeric and kencur. The classification method used is K-Nearest Neighbor (K-NN). In this study we tested how to split training data and data testing, namely 66.7%: 33.33%, 75%: 25% and 90%: 10%. The sharing of training data and testing data uses 90%: 10% has the greatest average accuracy compared to other distribution methods. The selection of K = 3 or K = 5 has an average accuracy that is almost the same in all methods of split training data and testing data, namely 64.66%: 65%. At K = 1 it has a fairly high accuracy compared to the previous K, which is 73%.
Perbandingan Hasil Evaluasi Algoritma K-Means dan K-Medoid Berdasarkan Kunjungan Wisatawan Mancanegara ke Indonesia Riska, Suastika Yulia; Farokhah, Lia
INTEGER: Journal of Information Technology Vol 8, No 1 (2023): Maret
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2023.v8i1.3659

Abstract

Kegiatan Pariwisata merupakan salah satu kegiatan yang dapat mempengaruhi tingkat perekonomian suatu negara. Kegiatan pariwisata yang dapat menarik minat wisatawan mancanegara masuk ke Indonesia menjadi salah satu kontribusi pendapatan untuk Negara Indonesia. Berdasarkan data dari BPS menunjukkan adanya penurunan yang signifikan dari jumlah wisatawan mancanegara yang datang ke Indonesia. Tujuan penelitian ini adalah untuk membentuk kelompok negara-negara berdasarkan jumlah wisatawan mancanegara yang masuk ke Indonesia dari yang paling banyak hingga yang paling sedikit. Kemudian hasil pengelompokkan tersebut dapat digunakan sebagai acuan pemerintah untuk menerapkan strategi yang tepat untuk meningkatkan antusias wisatawan datang ke Indonesia. Algoritma yang digunakan untuk proses clustering adalah K-Means dan K-Medoids, dengan menerapkan nilai k=2, k=3, dan k=5. Proses evaluasi digunakan metode davies bouldin index. Hasil cluster terbaik dalam kasus ini adalah dengan menggunakan Algoritma K-Means dengan k=5, dan dengan hasil nilai davies bouldin index -0.302.
Peningkatan Literasi Pengetahuan Kesehatan dan Teknologi untuk Pencegahan dan Deteksi Penyakit Menggunakan Digital Image processing Lia Farokhah; Achmad Noercholis; Fadhli Almuiini Ahda; Muhammad Rofiq; Danang Arbian Sulistyo
Jurnal Abdimas Mahakam Vol. 5 No. 02 (2021): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada era sekarang, penyakit muncul bervariasi. Alat kesehatan di Indonesia sangat bergantung dengan impor karena beberapa produk yang dibutuhkan tidak diproduksi di dalam negeri. Selain itu, harganya menjadi cukup mahal. Adapun tujuan dari pengabdian ini adalah meningkatkan literasi mengikuti model The European Health Literacy Survey: the 12 subdimensions. Adopsi model ini diharapkan akan pada tahap dimensi menilai atau mengevaluasi informasi yang relevan dengan kesehatan. Metode yang digunakan adalah edukasi masyarakat khususnya perguruan tinggi yang memiliki fokus keilmuan teknologi dan kesehatan untuk meningkatkan literasi kesehatan. Adapun hasil yang didapatkan selama pengabdian melalui kolaborasi webinar adalah cukup bagus untuk meningkatkan literasi kesehatan. Hal ini didasarkan atas fakta saat proses tanya jawab dalam penggalian informasi. kolaborasi dua keilmuan yaitu kesehatan dan teknologi bisa membuat alat deteksi maupun pencegahan penyakit yang lebih murah namun akurat menggunakan sistem cerdas.
Co-Authors Achmad Noercholis Adriani Kala'lembang Ahda, Fadli Almu'ini Budi Kurniawan, Fajar Fadhli Almu’iini Ahda Fauji, Fahrul Fransiska Sisilia Mukti Gandes Nawang Sari Lilis Widayanti Lukman Hakim Machrus Machrus Machrus Machrus Maghfirah Maghfirah Muhammad Rofiq Muhammad Rofiq Nur Lailatul Aqromi Rendy Aditya Rina Dewi Indahsari Rio Jumardi, Rio Siti Nurul Afiyah Suastika Yulia Riska Sulistyo, Danang Arbian Titania Dwi Andini Vivi Aida Fitria Yudistira Arya Sapoetra