Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Sains dan Komputer Karimah Tauhid
Lorina Mohdo
Universitas Djuanda
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Immunology & microbiology Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Neuroscience Physics Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Informasi Keuangan Anjali Saputra; Muhammad Isa Firdaus; Riko Wahyudi; Lorina Mohdo; Muhammad Erlangga Gunawan; Muhammad Encep; Mulil Khaira
KARIMAH TAUHID Vol. 1 No. 6 (2022): Karimah Tauhid
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/karimahtauhid.v1i6.7659

Abstract

Komputer adalah teknologi yang telah melalui banyak tahap pengembangan dan transformasi serta memainkan peran yang sangat penting dalam mempermudah pekerjaan manusia sebagai alat. Dengan menggunakan computer, manusia dapat bekerja lebih efektif dan efisien, selain itu, keunggulan komputer yang paling penting adalah menghindari kesalahan manusia. Komputer sendiri sudah banyak digunakan dalam berbagai bidang seperti pendidikan, administrasi pemerintahan dan bisnis, bahkan di era sekarang ini hampir semua hal atau pekerjaan selalu berhubungan dengan komputer. Sulit bagi bisnis yang bergerak di bidang usaha untuk mendapatkan informasi kinerja penjualan yang akurat, karena data penjualan masih dihitung secara manual, sehingga informasi keuangan suatu persahaan tidak dapat menjelaskan berapa keuntungan yang harus diperoleh. Kelemahan dalam memperoleh informasi keuangan yang tidak akurat ini sehingga dibuatnya sistem informasi berbasis komputer yang menyimpan seluruh data penjualan dan menghasilkan laporan keuangan yang lebih akurat. Artikel ini dalam penulisannya menggunakan metode studi literatur (library research), yang hasil dan tujuannya adalah untuk memberikan pemahaman bahwa pentingnya sistem informasi keuangan di dalam atau di luar perusahaan. Kata kunci: Sistem, Informasi, Keuangan, Laporan
Big Data Anjali Saputra; Muhammad Isa Firdaus; Riko Wahyudi; Lorina Mohdo; Muhammad Erlangga Gunawan; Muhammad Encep; Mulil Khaira
KARIMAH TAUHID Vol. 1 No. 6 (2022): Karimah Tauhid
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/karimahtauhid.v1i6.7664

Abstract

  Big Data merupakan kumpulan data yang volume datanya super besar, memiliki keragaman sumber data yang tinggi, sehingga perlu dikelola dengan metode dan perangkat bantu yang kinerjanya sesuai. Artikel ini akan diawali dengan Definisi, Konsep dan Manfaat Big Data. Selanjutnya akan dijelaskan Sejarah Big Data, Penerapan Big Data, serta tahapan untuk mengelolanya. Dibagian akhir terdapat sebuah kesimpulan mengenai Big Data.   Kata kunci: big data, kecepatan, volume, variasi
Analisis Kinerja Decision Tree dan Random Forest Menggunakan Dataset Breast Cancer: Performance Analysis of Decision Tree and Random Forest Using Breast Cancer Dataset Uus Firdaus; Ananda Alfiah; Lorina Mohdo
Jurnal Pendidikan Sains dan Komputer Vol. 6 No. 01 (2026): Artikel Riset, February 2026
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/jpsk.v6i01.7892

Abstract

Breast cancer is a disease with a high mortality rate in women worldwide, making early detection a crucial factor in increasing the chances of successful treatment and patient survival. Advances in computing technology, particularly machine learning, have created opportunities to use medical data to inform decision-making in the diagnostic process. This study aims to analyze and compare the performance of the Decision Tree and Random Forest algorithms in classifying breast cancer using the Wisconsin Breast Cancer Dataset. The dataset comprises 569 data points with 30 numeric attributes representing cancer cell characteristics and a class label indicating benign or malignant cancer. The research stages include data preprocessing, splitting the data into training and test sets (80:20), applying the classification algorithm, and evaluating model performance using accuracy, precision, recall, and F1-score metrics. The test results show that the Random Forest algorithm outperforms the Decision Tree. Random Forest achieved an accuracy of 98.68% on the training data and 95.61% on the test data, while Decision Tree achieved an accuracy of 96.92% on the training data and 91.23% on the test data. This difference indicates that Random Forest has better generalization capabilities and is more resistant to overfitting. The findings of this study indicate that Random Forest is more effective for data-based breast cancer classification than Decision Tree. Therefore, the Random Forest algorithm is recommended as a more reliable method to support decision support systems in early breast cancer detection.
Co-Authors Ananda Alfiah Anjali Saputra Muhammad Encep Muhammad Erlangga Gunawan Muhammad Isa Firdaus Mulil Khaira Riko Wahyudi Uus Firdaus