Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Community Development Journal: Jurnal Pengabdian Masyarakat "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Sri Wahyuni
Universitas Ibrahimy
Humanities Computer Science & IT Economics, Econometrics & Finance Education Health Professions Public Health

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

Found 2 Documents
Search

 1 
PEMBERDAYAAN IBU HAMIL MELALUI DIVERSIFIKASI DAUN KELOR DI WILAYAH KERJA PUSKESMAS BANYUPUTIH Fauzah Cholashotul I’anah; Sri Wahyuni; Ukhtul Ifa
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 3 (2023): Volume 4 Nomor 3 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i3.17220

Abstract

Daun kelor mengandung berbagai zat gizi makro dan mikro serta bahan-bahan aktif yang bersifat sebagi antioksidan, serta urtisi penting seperti zat besi, kalsium, vitamin A, vitamin B6, vitamin B 12 dan folat. Gizi dan nutrisi daun kelor sangat dibutuhkan ibu hamil sebagai upaya peningkatan kualitas kesehatan ibu hamil. Pelaksanaan pengabdian kesehatan masyarakat ini bertujuan untuk mengedukasi pemanfaatan daun kelor sebagai upaya meningkatkan kesehatan pada ibu hamil yang berada dalam wilayah kerja bidan desa Sukorejo, Situbondo. Metode yang digunakan dalam pelaksanaan pengabdian masyarakat ini adalah melalui pemberian edukasi dan pemberdayaan kelompok ibu hamil di Puskesmas Banyuputih, Berdasarkan hasil pelaksanaan kegiatan pengabdian masyarakat yang telah dilakukan, terdapat peningkatan pengetahuan ibu hamil di wilayah kerja Puskesmas Banyuputih, Situbondo terkait diversifikasi daun kelor sebagai pemenuhan gizi selama masa kehamilan. Pre test menunjukkan tingkat pengetahuan ibu hamil tergolong kurang (65%) ketika sebelum diedukasi terkait diversifikasi daun kelor. Setelah pemberian materi dan diskusi, terdapat kenaikan tingkat pengetahuan ibu hamil yaitu baik (79%) dan cukup (21%).
Analisis Klasifikasi Status Perokok Menggunakan Algoritma Decision Tree Berbasis RapidMiner Sri Wahyuni; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4639

Abstract

Perilaku merokok merupakan salah satu kebiasaan yang berdampak negatif terhadap kesehatan dan menjadi faktor utama berbagai penyakit kronis. Penelitian ini bertujuan untuk menganalisis klasifikasi status perokok menggunakan algoritma Decision Tree berbasis RapidMiner. Data yang digunakan meliputi atribut seperti usia, jenis kelamin, tingkat pendidikan, pekerjaan, serta jumlah konsumsi rokok per hari. Melalui penerapan algoritma Decision Tree, proses klasifikasi dilakukan untuk membedakan individu ke dalam kategori perokok ringan, sedang, dan berat. Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu menghasilkan tingkat akurasi yang baik dalam mengidentifikasi status perokok berdasarkan pola data yang dianalisis. Implementasi model ini diharapkan dapat membantu pihak terkait dalam memahami faktor-faktor yang mempengaruhi kebiasaan merokok dan menjadi dasar dalam upaya pengendalian perilaku merokok di masyarakat. Kata Kunci: Decision Tree, Klasifikasi, Status Perokok, RapidMiner, Data Mining.   Smoking is a major risk factor for various chronic diseases, such as lung cancer and heart disease. This study aims to classify smoker status using a decision tree algorithm based on RapidMiner software. The data used consists of several attributes such as age, gender, education level, occupation, and daily cigarette consumption frequency. The C4.5 algorithm was used as the basis for the decision tree method due to its ability to handle both numeric and categorical data. The research process included data collection, data cleaning, model development, and evaluation using a confusion matrix with accuracy, precision, and recall parameters. Test results showed that the classification model using the Decision Tree algorithm achieved an accuracy rate of 92.4%, precision of 91.2%, and recall of 90.8%. This demonstrates the effectiveness of the RapidMiner-based Decision Tree in classifying smoker status in the Indonesian community.  Keywords: Decision Tree, RapidMiner, C4.5, Classification, Smoker Status.
Co-Authors Fatah, Zaehol Fauzah Cholashotul I’anah Ukhtul Ifa