Article Per Year (5 Year)
p-Index From 2021 - 2026
0.835
P-Index
This Author published in this journals
All Journal Informatika Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Medika: Medika
Rita Novita
Institut Kesehatan Payung Negeri Pekanbaru
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Dentistry Health Professions Library & Information Science Medicine & Pharmacology Nursing Public Health Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Perbandingan Metode Learning Vector Quantization Dan Backpropagation Dalam Klasifikasi Personality Pada Anak Novita, Rita; Sujana, Teguh; Agusviyanda, Agusviyanda; Fitri, Triyani Arita; Susanti, Susanti
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

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

Abstract

This research focuses on classifying children's personalities at Rumah Bermain Bilal using Artificial Neural Network algorithms, specifically Learning Vector Quantization (LVQ) and Backpropagation. The primary objective of this study is to evaluate the effectiveness of these algorithms in categorizing children's personality data and to identify the most accurate method for educational settings. The experiments were conducted with various configurations, including the number of iterations and learning rate, to assess the performance of each algorithm comprehensively. The findings show that the LVQ method demonstrates higher accuracy than Backpropagation. For training data, LVQ achieved an accuracy of 73.47%, whereas Backpropagation reached only 40.82%. For test data, LVQ achieved an accuracy of 84.62%, significantly outperforming Backpropagation's 53.85%. These results indicate that LVQ is more effective in personality classification, especially in an educational context. It is hoped that these findings will assist educational institutions in implementing artificial intelligence-based methods to understand children's personality traits better, thereby supporting the development of more targeted teaching strategies.
Field Trip Posyandu Oliander RT 03 / RW 01 Kelurahan Tampan Kecamatan Payungsekaki Rahmi Pramulia Fitri; Iyang Maisi Fitriani; Rita Novita; Agusviyanda Agusviyanda
Jurnal Medika: Medika Vol. 3 No. 1 (2024)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/qdwh8c90

Abstract

Field Trip/Study merupakan suatu kegiatan kunjungan ke objek tertentu diluar lingkungan kampus yang bertujuan untuk mencapai tujuan intruksional tertentu, metode field trip yang dilakukan dengan cara wawancara langsung. Posyandu Oliander RT.03, RW 01 adalah salah satu posyandu di daerah Kel. Tampan, Kec Payung Sekaki. Kendala dan hambatan yang dialami oleh posyandu ini ialah masyarakat kelas menegah keatas lebih memilih dokter spesialis dibandingkan posyandu. Selain itu sedikitnya anak kecil atau balita di bawah umur 3 th, serta banyak anak-anak yang menuju atau menjurus ke arah Stunting. Perlu adanya upaya lain yang dilakukan oleh posyandu atau instansi terkait dalam melaksanakan program ini untuk membuat masyarakat lebih sering membawa anak ke posyandu secara rutin demi menurunkan angka stunting yang sedang tinggi.
Pemberdayaan Masyarakat Mengenai Pemilahan Sampah dan Pengolahan Sampah Organik Menjadi Pupuk Kompos Dwi Sapta Aryantiningsih; Iyang Maisi Fitriani; Rita Novita; Winda Parlin; Feby Eka Safitri
Jurnal Medika: Medika Vol. 3 No. 2 (2024)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/1ezjh276

Abstract

Permasalahan sampah masih belum teratasi dengan baik. Di Indonesia sampah berasal dari rumah tangga. Setiap aktifitas manusia pasti akan menghasilkan sampah.  Jika sampah tidak dikelola dengan baik akan menimbulkan kerusakan pada lingkungan dan gangguan kesehatan. Sampah bisa menjadi tempat pembiakan lalat yang dapat mendorong penularan infeksi penyakit mulai dari diare sampai pada gangguan pernafasan, menurunkan kualitas lingkungan dan mengganggu estetika lingkungan. Pengelolaan sampah menjadi tanggungjawab bersama, Rendahnya pengetahuan masyarakat tentang jenis sampah dan cara pengelolaan sampah akan   merusak   lingkungan disekitarnya, terutama sampah hasil kegiatan rumah tangga.  Untukmengatasi   masalah   ini, diperlukankerjasama antara pemerintah, lembaga pendidikan dan Masyarakat dalam memberikan edukasi lingkungan yang komprehensif sehingga meningkatkan kualitas kehidupan masyarakat dimasa depan. Kegiatan ini dilaksanakan di Desa Pangkalan Baru, Kecamatan Siak Hulu, Kabupaten Kampar. Kegiatan ini bertujuan untukmeningkatkan pengetahua masyarakat tentang jenis sampah dan bagaimana pengelolaan sampah organik menjadi pupuk kompos. Diharapkan dengan kegiatan ini. Kegiatan ini dilaksanakan pada tanggal 19 Maret 2024 di Balai Desa Pangkalan Baru. Hasil kegiatan ini adalah pemahaman masyarakat mengenai pemilahan sampah akan meningkat dan masyarakat mampu untuk membuat pupuk kompos secara mandiri dari sampah organik yang ada di sekitar.
PENINGKATAN ALGORITMA C4.5 MENGGUNAKAN ENSEMBLE LEARNING UNTUK MENDETEKSI PENYAKIT GINJAL Agusviyanda Agusviyanda; Rita Novita; Alfa saleh; Muhammad Jamaris
Jurnal Informatika Vol 12, No 3 (2024): INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v12i3.7542

Abstract

Deteksi dini penyakit ginjal sangat penting untuk menurunkan risiko komplikasi dan meningkatkan prognosis pasien. Permasalahan utama dalam diagnosis penyakit ginjal adalah adanya gejala yang tidak spesifik dan ketidakseimbangan distribusi data pasien. Penelitian ini mengusulkan peningkatan performa algoritma C4.5 untuk deteksi penyakit ginjal dengan mengintegrasikan beberapa tahapan modern, yaitu pra-pemrosesan menggunakan Label Encoder dan Ordinal Encoder untuk mengolah fitur kategorikal, penyeimbangan data menggunakan metode SMOTE-ENN, serta seleksi fitur dengan LASSO. Selanjutnya, model dasar C4.5 ditingkatkan dengan metode ensemble learning menggunakan AdaBoost. Hasil pengujian menunjukkan bahwa integrasi Adaboost pada algoritma C4.5 secara signifikan meningkatkan akurasi deteksi penyakit ginjal dibandingkan model dasar maupun model-model pada penelitian terdahulu. Model terbaik pada penelitian ini mencapai akurasi 99%, melebihi performa XGBoost maupun stacking ensemble pada kasus serupa. Kontribusi penelitian ini menegaskan efektivitas kombinasi boosting, balancing, dan seleksi fitur dalam membangun sistem pendukung keputusan berbasis machine learning untuk diagnosis penyakit ginjal.
Co-Authors Agusviyanda Agusviyanda Agusviyanda Agusviyanda Alfa saleh Asniati Asniati Dwi Sapta Aryantiningsih Feby Eka Safitri Iyang Maisi Fitriani Mila Ayuni Muhammad Jamaris Rahmi Pramulia Fitri Susanti Susanti Teguh Sujana Triyani Arita Fitri Ulfa Hasana Winda Parlin