Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Ery Permana Yudha
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Sistem Otomatis untuk Deteksi Penyakit Parkinson Menggunakan Fuzzy K-NN Ery Permana Yudha; Nibras Faiq Muhammad
JURNAL TEKNIK KOMPUTER AMIK BSI Vol 9, No 2 (2023): JTK Periode Juli 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jtk.v9i2.15933

Abstract

Penyakit Parkinson merupakan salah satu penyakit neurodegeneratif. Penyakit ini muncul karena beberapa faktor resiko yang berkontribusi seperti usia, jenis kelamin, dan beberapa faktor lain. Oleh sebab itu, identifkasi penyakit Parkinson sejak dini diperlukan untuk mencegah terjadinya resiko yang lebih buruk. Dalam membangun sistem identifikasi penyakit Parkinson secara otomatis membutuhkan dataset rekam medis. Dataset tersebut merupakan sekumpulan data frekuensi dan amplitudo gelombang suara dari beberapa subjek. Analisis data yang kuat merupakan hal yang paling menantang dalam mendeteksi penyakit Parkinson. Selain itu, juga diperlukan sebuah sistem yang cepat atau otomatis dalam menganalisis data klinis tersebut. Maka dari itu, kami mengusulkan sebuah sistem otomatis yang bertujuan untuk mendeteksi penyakit Parkinson menggunakan metode Fuzzy K-NN (K-Nearest Neighbor). Fuzzy K-NN merupakan modifikasi dari algoritma K-NN dengan menambahkan teknik fuzzy logic di dalamnya. Teknik ini mampu meningkatkan kinerja sistem dalam menentukan seseorang terdiagonsis penyakit Parkinson atau tidak. Metode yang kami usulkan menghasilkan nilai akurasi sebesar 90% di mana lebih baik 8%, 10%, 14.5%, dan 20% daripada metode Naïve Bayes, SVM, K-NN, Decision Tree.
Pengembangan Klastering Untuk Penanganan Ibu Hamil Menggunakan K-Means Joni Maulindar; Ery Permana Yudha
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Dalam penelitian masalah yang dihadapi dalam pengelompokan ibu hamil berdasarkan beberapa karakteristik yang relevan, seperti usia ibu, tingkat kehamilan, riwayat kesehatan, gula darah, anemia, kehamilan ganda, merokok, dan konsumsi alkohol. Tujuan dilakukannya penelitian ini adalah untuk mengidentifikasi kelompok-kelompok yang serupa dalam data ibu hamil ini, sehingga dapat memberikan wawasan yang lebih baik dalam mengelola kehamilan dan merencanakan intervensi yang sesuai. Metode yang digunakan dalam penelitian ini adalah klastering menggunakan algoritma k-means. Penerapan metode elbow untuk menentukan jumlah klaster yang optimal, yang pada akhirnya peneliti menemukan 3 klaster yang optimal. Peneliti melakukan inisialisasi pusat klaster secara acak dan kemudian menghitung jarak antara setiap data dengan pusat klaster terdekatnya. Berdasarkan jarak ini, peneliti membagi data menjadi kelompok-kelompok yang serupa. Hasil dari penelitian ini menunjukkan bahwa peneliti berhasil membagi data ibu hamil menjadi 3 kelompok yang homogen berdasarkan karakteristik yang diberikan. Peneliti mengamati penurunan nilai SSE saat jumlah klaster meningkat dari 1 ke 2, dan penurunan yang lebih lambat saat jumlah klaster meningkat dari 2 ke 3. Nilai SSE yang diperoleh adalah sebesar 401.0714932126696, menunjukkan tingkat kehomogenan yang relatif tinggi dalam kelompok-kelompok yang terbentuk. Dengan demikian, penelitian ini memberikan kontribusi dalam pemahaman tentang pengelompokan ibu hamil berdasarkan karakteristik tertentu, yang dapat membantu tenaga medis dan praktisi kesehatan dalam memberikan perawatan yang lebih personal dan intervensi yang tepat.
Co-Authors Joni Maulindar Nibras Faiq Muhammad