Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Ilmu Komputer dan Informatika
Istiqomah, Hani
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
Prediksi Kanker Darah Menggunakan Metode Convolutional Neural Network Istiqomah, Hani; Purwono, Purwono; Ardianto, Rian
Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.156

Abstract

Leukemia pada anak-anak di Indonesia menjadi perhatian serius dalam bidang kesehatan karena variasi tingkat kelangsungan hidup dan dampak negatif dari pengobatan. Penelitian ini bertujuan meningkatkan deteksi dini dan pengelolaan leukemia pada anak-anak melalui penerapan metode Convolutional Neural Network (CNN). Metode yang digunakan adalah arsitektur MobileNetV2 untuk mengklasifikasikan gambar sel darah terkait kanker darah. Dataset yang digunakan berisi 3257 gambar sel darah yang telah dipreproses menjadi resolusi 300x300 piksel. Hasil penelitian menunjukkan bahwa implementasi CNN dengan arsitektur MobileNetV2 menghasilkan akurasi 95.6%, presisi 94.8%, recall 96.2%, dan F1-score 95.5%. Evaluasi model menggunakan confusion matrix menunjukkan tingkat kesalahan yang rendah dalam klasifikasi gambar normal dan leukemia, menyoroti efisiensi dan efektivitas MobileNetV2 dalam klasifikasi gambar medis.
Penerapan Algoritma DBSCAN dalam Mengidentifikasi Risiko Stroke Istiqomah, Hani; Khoirun Nisa; Arif Setia Sandi A.
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 2 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No2.pp340-349

Abstract

Stroke is a serious disease that can cause permanent disability and death. This study applies the DBSCAN algorithm to cluster Stroke risk using a public Kaggle dataset (n = 5,110), which contains demographic and clinical attributes such as age, gender, hypertension, heart disease, body mass index (BMI), glucose levels, and smoking status. Preprocessing steps included median imputation for BMI, categorical encoding, Z-score standardization, and PCA for visualization. Parameter selection was conducted using the k-distance plot and Silhouette evaluation, resulting in ε = 2.5 and min_samples = 3 with a Silhouette Score of 0.2158. The findings indicate that DBSCAN has potential to support Stroke prevention strategies, although further parameter tuning and feature optimization are required to improve clustering quality.
Co-Authors Ardianto, Rian Arif Setia Sandi A. KHOIRUN NISA Purwono Purwono, Purwono