Article Per Year (5 Year)
p-Index From 2021 - 2026
3.597
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Jurnal Teknik Komputer AMIK BSI Paradigma JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics Information Management For Educators And Professionals (IMBI) Jurnal Teknik Informatika STMIK Antar Bangsa Techno Nusa Mandiri : Journal of Computing and Information Technology J-SAKTI (Jurnal Sains Komputer dan Informatika) JTIK (Jurnal Teknik Informatika Kaputama) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Bianglala Informatika Jurnal Infortech
Erma Delima Sikumbang
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Breast Cancer Prediction Optimization Using Support Vector Machine and Naive Bayes Algorithms Devi Wulandari; Qudsiah Azizah; Diah Puspitasari; Kresna Ramanda; Erma Delima Sikumbang; Sulaeman Hadi Sukmana
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12629

Abstract

Breast cancer is ranked as the second most common cause of death for women worldwide. Breast cancer is often found when it has entered the final stage. In general, this is due to slow handling and treatment, so it is very necessary to detect the disease early. The purpose of this study is to determine the performance of the two algorithms, namely Naïve Bayes and Support Vector Machine (SVM) in classifying breast cancer types which will then be analysed and compared the accuracy of the two algorithms. The dataset used in this study, Breast Cancer Wisconsin, is public data originating from UCI Machine Learning, has a total of 683 data with 10 attributes and has two classes, namely benign class with 458 data and malignant class with 241 data. The dataset was split 80:20, with 80% used as training data and 20% as testing data, and then evaluated using cross-validation. The results of the study show that Support Vector Machine (SVM) has the best performance with an accuracy of 96.89% while Naïve Bayes 96.15%. With this accuracy, These results indicate that the SVM model provides better classification performance than Naïve Bayes for the Breast Cancer Wisconsin dataset.
SISTEM PENDUKUNG KEPUTUSAN PENGADAAN OBAT BERBASIS WEB MENGGUNAKAN ALGORITMA APRIORI PADA TOKO OBAT LARASATI FARMA Risdiani; Erma Delima Sikumbang; Eko Yulianto
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 10 No. 2 (2026): Artificial Intelligence (AI)
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v10i2.1392

Abstract

Pengelolaan pengadaan obat yang masih dilakukan secara manual dapat menyebabkan ketidakseimbangan persediaan, seperti terjadinya kekosongan stok pada obat yang banyak diminati maupun pennumpukan obat yang berisiko kedaluwarsa. Tujuan dari penelitian ini adalah untuk menciptakan sistem pendukung keputusan berbasis web yang dapat memberikan saran pengadaan obat berdasarkan pola pembelian konsumen dengan memanfaatkan algoritma Apriori. Penelitian ini dilaksanakan dengan metode Research and Development yang mencakup identifikasi kebutuhan, pengumpulan data melalui observasi, wawancara, serta studi pustaka, kemudian dilanjutkan dengan perancangan, implementasi, dan pengujian sistem. Algoritma Apriori digunakan pada lebih dari 500 data transaksi penjualan Toko Obat Larasati Farma untuk membangun frequent itemset dan aturan asosiasi dengan parameter nilai minimum support 10% dan minimum confidence 40%. Sistem ini dikembangkan menggunakan Vue.js sebagai frontend, Spring Boot sebagai backend, dan MySQL sebagai database. Hasil penelitian menunjukkan bahwa sistem berhasil menghasilkan aturan asosiasi yang merepresentasikan pola pembelian obat sehingga dapat digunakan sebagai dasar rekomendasi pengadaan. Implementasi sistem membantu proses analisis data transaksi menjadi lebih terstruktur dan mendukung pengambilan keputusan pengadaan obat secara lebih efektif dibandingkan metode konvensional. Kata Kunci : Algoritma Apriori, Aturan Asosiasi, Market Basket Analysis, Pengadaan Obat, Sistem Pendukung Keputusan
Co-Authors Adi Supriyatna Agustina, Bella Anggun Setiadi Arief Rusman Arsyan Syaina Ahmad Awaludin, Rizky Azizah, Qudsiah Nur Deri Saputra, Deri Devi Wulandari Diah Puspitasari EKO YULIANTO Fattya Ariani Ghifari Fatihah Rabbani Hadi Sukmana, Sulaeman Handayani, Tiwi Illahiya, Elfa Kresna Ramanda Lia Mazia, Lia Mely Mailasari Muhammad Rifai Muhammad, Indra Maulana Prima, Harry Pujiati, Tri Wahyuni Qudsiah Azizah Qudsiah Nur Azizah Risdiani Rizqi Agung Permana Sucitra Sahara Sundari, Wiwin Syifa Fauziah Wida Prima Mustika