Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Infotech: Jurnal Informatika & Teknologi Jurnal Teknologi Sistem Informasi
Novian Ikhsan
Universitas Pamulang
Computer Science & IT Control & Systems Engineering Energy Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi penyakit diabetes menggunakan metode K-Nearest Neighbors (KNN) berdasarkan data klinis Novian Ikhsan
INFOTECH : Jurnal Informatika & Teknologi Vol 7 No 1 (2026): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v7i1.2110

Abstract

Diabetes melitus merupakan penyakit kronis yang memerlukan deteksi dini untuk mencegah terjadinya komplikasi serius. Machine learning dapat digunakan sebagai pendekatan untuk memprediksi penyakit diabetes berdasarkan data klinis pasien. Penelitian ini bertujuan untuk menganalisis performa algoritma K-Nearest Neighbors (KNN) dalam memprediksi penyakit diabetes menggunakan dataset diabetes.csv. Dataset yang digunakan terdiri dari 768 data pasien, dengan delapan fitur klinis dan satu variabel target. Tahapan penelitian meliputi exploratory data analysis (EDA), preprocessing data melalui penanganan nilai nol menggunakan imputasi median serta standarisasi fitur, pelatihan dan evaluasi model KNN, serta eksperimen variasi nilai k pada rentang 1 hingga 30. Model baseline KNN dengan nilai k = 5 menghasilkan akurasi sebesar 70,78%. Setelah dilakukan optimasi parameter, nilai k optimal diperoleh pada k = 26 dengan akurasi tertinggi sebesar 77,92%. Evaluasi menggunakan confusion matrix dan classification report menunjukkan bahwa model memiliki performa yang baik dalam mengklasifikasikan pasien non-diabetes, namun masih memiliki keterbatasan dalam mendeteksi seluruh kasus diabetes. Hal ini ditunjukkan oleh nilai recall kelas diabetes sebesar 0,56. Secara keseluruhan, algoritma KNN cukup efektif dalam memprediksi penyakit diabetes, namun sensitivitas terhadap kasus diabetes yang bersifat kritis secara medis masih perlu ditingkatkan melalui pengembangan metode atau pendekatan lanjutan
Rancang Bangun Sistem Pendukung Keputusan Pemilihan Pedagang Ayam Potong Menggunakan Metode AHP dan TOPSIS Berbasis Web (Studi Kasus: Nasi Kebuli Ibu Lina) Raka Rizqi Fadhilah; Novian Ikhsan
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17435

Abstract

Pemilihan pedagang ayam potong yang tepat sangat krusial bagi efisiensi anggaran katering Nasi Kebuli Ibu Lina. Fluktuasi harga pasar dan variasi kualitas daging menyulitkan pemilik usaha dalam mengambil keputusan objektif jika hanya mengandalkan intuisi yang rentan bias. Penelitian ini bertujuan membangun Sistem Pendukung Keputusan untuk memberikan rekomendasi pemasok bahan baku terbaik. Sistem dikembangkan secara berbasis web dengan menerapkan pola arsitektur Model View Controller. Kalkulasi sistem mengintegrasikan metode AHP untuk menentukan bobot kriteria yaitu harga, kualitas, kerapihan potongan, jarak, dan fleksibilitas pembayaran. Selanjutnya metode TOPSIS digunakan untuk pemeringkatan alternatif. Evaluasi sistem dilakukan melalui serangkaian pengujian perangkat lunak secara komprehensif. Hasil pengujian White Box menunjukkan kesesuaian alur logika yang sangat baik, sementara Black Box membuktikan fungsionalitas fitur berjalan sesuai spesifikasi. Komparasi output sistem terhadap perhitungan manual menghasilkan kesamaan urutan peringkat dengan selisih kesalahan maksimal sebesar 0,0014, yang menunjukkan tingkat akurasi sangat tinggi. Hasil penelitian ini membuktikan bahwa sistem tersebut valid, presisi, serta mengoptimalkan proses pengambilan keputusan pengadaan.
Co-Authors Raka Rizqi Fadhilah