Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Restikom : Riset Teknik Informatika dan Komputer Cerdika: Jurnal Ilmiah Indonesia
Nurul Qisthi
STIKom Poltek Cirebon
Humanities Computer Science & IT Economics, Econometrics & Finance Education Health Professions Public Health Social Sciences

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

Found 2 Documents
Search

 1 
PERBANDINGAN METODE NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI DIAGNOSA PENYAKIT DIABETES Dhita Diana Dewi; Nurul Qisthi; Siti Sarah Sobariah Lestari; Zulfa Hidayah Satria Putri
Cerdika: Jurnal Ilmiah Indonesia Vol. 3 No. 09 (2023): Cerdika : Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v3i09.662

Abstract

Terdapat banyak penelitian yang telah dilakukan untuk memprediksi atau mendiagnosa awal penyakit sesuai dengan kondisi yang berkaitan. Penelitian tersebut dilakukan dengan teknik data mining yang terdiri dari berbagai algoritma seperti Naive Bayes, Neural Network, Support Vector Machine (SVM) dan lain-lain. Dengan adanya diagnosis awal atau prediksi, diharapkan dapat menghindari atau mencegah hal yang membahayakan, pada kasus ini adalah terkena penyakit diabetes. Penelitian ini bertujuan untuk mengetahui pengklasifikasian diagnosis penyakit diabetes dan membandingkan dua algoritma yang digunakan yaitu Neural Network dan Support Vector Machine untuk mendapatkan algoritma dengan tingkat akurasi paling baik dalam pengklasifikasian diagnosis penyakit diabetes. Data yang digunakan dalam penelitian ini adalah data sekunder. Data tersebut berjumlah 768 observasi dengan menampilkan 9 atribut, yaitu Pregnancies, Glucose, Blood Pressure, Skin Thickness, Insulin, BMI, Diabetes Pedigree Function, Age dan Outcome. Teknik klasifikasi data mining yang digunakan dalam penelitian ini adalah Neural Network dan Support Vector Machine (SVM). Evaluasi dan validasi model pada penelitian ini menngunakan metode K-Fold Cross Validation (K-Fold=10). Berdasarkan hasil analisis pada penelitian ini didapatkan nilai akurasi untuk metode ANN sebesar 77,60%, sedangkan nilai akurasi untuk metode SVM sebesar 65,24%. Artinya penggunaan metode ANN lebih baik daripada SVM untuk mengklasifikasikan seseorang menderita diabetes atau tidak. Sedangkan untuk metode ANN memiliki nilai AUC sebesar 0,834 sehingga dapat dikategorikan dalam good classification.
SISTEM INFORMASI GEOGRAFIS UNTUK PERNIKAHAN USIA DINI MENGGUNAKAN SPATIAL ERROR MODEL (SEM) Mutia Karimah; Dhita Diana Dewi; Atje Setiawan Abdullah; Aditya Pradana; Nurul Qisthi
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 6 No 1 (2024): April
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v6i1.316

Abstract

Pernikahan usia dini merupakan pernikahan yang dilakukan oleh salah satu pasangannya dikategorikan sebagai anak atau tidak memenuhi syarat batas usia dibawah 19 tahun. Menurut penelitian UNICEF, BPS dan PUSPAKA, akibat dari terjadinya pernikahan usia dini yang akan dialami anak yaitu kurang baiknya dari sisi kesehatan, sisi psikologis, sisi sosial dan sisi tumbuh kembang. Maka dari itu untuk mengurangi tingkat pernikahan usia dini dibuat sebuah aplikasi sistem informasi geografis berbasis web untuk memprediksi tingkat pernikahan usia dini di Kabupaten Kuningan agar dapat memfokuskan sosialisasi Perencanaan Usia Pernikahan (PUP) di daerah tertentu. Berdasarkan penelitian ini, analisis hasil prediksi pada tingkat pernikahan usia dini dengan menggunakan Spatial Error Model (SEM) diperoleh faktor yang paling mempengaruhi yaitu jumlah putus sekolah dasar (X2). Dengan menggunakan metode MAPE, akurasi yang berhasil didapatkan oleh model SEM sebesar 33,71 % dan nilai AIC sebesar 57,634. Dalam pengimplementasian berupa web, sistem informasi geografis ini menggunakan metode waterfall yang meliputi fase requirement and definition, fase system and software design, fase implementation and unit testing, fase integration and system testing, dan fase operation and maintenance. Pengembangan aplikasi berbasis web dengan menggunakan bahasa pemrograman PHP dan hasil uji aplikasi metode black box testing dengan kategori berhasil sebesar 98,81% dari 53 orang penguji.
Co-Authors Aditya Pradana Atje Setiawan Abdullah Dhita Diana Dewi Mutia Karimah Siti Sarah Sobariah Lestari Zulfa Hidayah Satria Putri