Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Rahayu, Zulaizah
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Literature Review: Perbandingan Metode Klasifikasi Dalam Data Mining Pangestu, Dandi; Nur Zakiyyah, Nabilah; Fauziah, Nurul; Rahayu, Zulaizah; Heidiani Ikasari, Ines
Jurnal Riset Informatika dan Inovasi Vol 1 No 11 (2024): JRIIN : Jurnal Riset Informatika
Publisher : shofanah Media Berkah

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

Abstract

Pada penelitian ini penulis menganalisis 10 jurnal terkait implementasi Data Mining pada berbagai aspek. Data mining sendiri merupakan teknik penting dalam menghasilkan informasi berharga dari data yang besar. Data mining banyak diimplementasikan dalam banyak aspek kehidupan seperti aspek kesehatan, akademik atau pendidikan, dan ekonomi. Penelitian dilakukan dengan membandingkan berbagai metode klasifikasi data mining dalam memprediksi kinerja akademik mahasiswa. Metode yang dibahas meliputi Naive Bayes, K-Nearest Neighbors (KNN), Support Vector Machines (SVM), dan Decision Tree. Tujuan penelitian ini adalah untuk melakukan kajian pustaka dengan mengidentifikasi subjek atau dataset yang digunakan, metode analisis data yang diterapkan, tahun penelitian, dan tingkat akurasi yang dicapai dalam jurnal-jurnal yang dianalisis. Dengan menggunakan metode yang disajikan, penulis berusaha untuk menyimpulkan hasil penelitian guna mencari tingkat akurasi tertinggi dan mengidentifikasi peluang penelitian lanjutan.
Literature Review: Deep Learning Untuk Klasifikasi Penyakit Otak Dari Data Functional MRI Pangestu, Dandi; Injili, Helenica; Syamil Azaky, Naofal; Rahayu, Zulaizah
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Functional MRI (fMRI) merupakan salah satu teknik pencitraan otak yang sangat berguna dalam menganalisis aktivitas otak dan mendiagnosis gangguan neurologis. Namun, analisis fMRI secara tradisional membutuhkan waktu dan keahlian khusus, yang dapat memperlambat proses diagnosis. Untuk mengatasi hal ini, teknologi kecerdasan buatan, khususnya deep learning, mulai digunakan. Deep learning, yang merupakan cabang dari machine learning, memiliki kemampuan luar biasa dalam mengenali pola-pola kompleks dari data tak terstruktur, seperti gambar fMRI. Melalui tinjauan terhadap lima jurnal utama, ditemukan bahwa teknik deep learning, seperti Convolutional Neural Network (CNN) dan transfer learning, menunjukkan performa tinggi dalam mendeteksi dan mengklasifikasikan pola-pola pada citra fMRI.
Co-Authors Heidiani Ikasari, Ines Injili, Helenica Nur Zakiyyah, Nabilah Nurul Fauziah Pangestu, Dandi Syamil Azaky, Naofal