Article Per Year (5 Year)
p-Index From 2020 - 2025
5.139
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Jurnal Teknologi Informasi dan Ilmu Komputer JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Riset Informatika JUSIM (Jurnal Sistem Informasi Musirawas) EVOLUSI : Jurnal Sains dan Manajemen INTI Nusa Mandiri Jurnal Pengabdian Masyarakat Asia Jurnal AbdiMas Nusa Mandiri IMTechno: Journal of Industrial Management and Technology Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Academic Journal of Computer Science Research (AJCSR) Jurnal Inovasi Pengabdian dan Pemberdayaan Masyarakat Jurnal Pengabdian Kreatif Cemerlang Indonesia Akademika
Duwi Cahya Putri Buani
Universitas Nusa Mandiri
Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JUSIM (Jurnal Sistem Informasi Musirawas)

 1 
KLASIFIKASI MENTAL DISORDER DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST Putri Buani, Duwi Cahya; Rahmawati, Ami
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 9 No 2 (2024): JUSIM : Jurnal Sistem Informasi Musi Rawas DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v9i2.2364

Abstract

Mental disorders are a growing global health issue, affecting millions of people and significantly impacting quality of life, productivity, and healthcare costs. The WHO reports that over 970 million people worldwide suffer from mental disorders, with rising cases of depression and anxiety during the COVID-19 pandemic. Early detection and accurate classification are crucial for appropriate interventions, yet challenges arise from the complexity and heterogeneity of data. The Random Forest algorithm offers a potential solution through a machine learning approach to classify mental disorders. It excels in handling large, complex datasets and addresses issues of data imbalance. This study aims to develop a mental disorder classification model using Random Forest, which demonstrated superior performance with an accuracy of 88.89%, precision of 90%, recall of 89%, and F1-score of 89%, outperforming five other models. The model is expected to accelerate diagnosis and enhance clinical decision-making in mental disorder management.
PENERAPAN DECISION TREE UNTUK KLASIFIKASI GANGGUAN TIDUR DENGAN HYPERPARAMETER TUNING DAN SMOTE Putri Buani, Duwi Cahya
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 10 No 1 (2025): JUSIM : Jurnal Sistem Informasi Musi Rawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v10i1.2538

Abstract

Tidur memiliki peran yang sangat penting dalam menjaga kesehatan fisik dan mental seseorang. Kurang tidur dapat berdampak buruk pada tingkat konsentrasi, daya ingat, serta meningkatkan risiko berbagai penyakit seperti obesitas, diabetes, hipertensi, dan penyakit jantung. Menurut data dari National Sleep Foundation, sebanyak 65% masyarakat Amerika merasa tidak puas dengan kualitas tidur mereka dan mengalami gejala depresi. Oleh karena itu, identifikasi gangguan tidur menjadi langkah krusial dalam meningkatkan kualitas hidup individu. Penelitian ini bertujuan untuk mengembangkan model klasifikasi gangguan tidur dengan menerapkan algoritma Decision Tree yang disempurnakan melalui hyperparameter tuning menggunakan RandomizedSearchCV. Selain itu, penelitian ini juga mengadopsi teknik Synthetic Minority Over-sampling Technique (SMOTE) guna menangani masalah ketidakseimbangan data dalam dataset gangguan tidur, sehingga model yang dihasilkan dapat memberikan prediksi yang lebih akurat dan adil terhadap kategori gangguan tidur.
Co-Authors Abdussomad, Abdussomad Achyar Ibnu Hadjar Agnes Deny Pratama Al Fitra, Razky Gilang Alexandre, Michael Andriyanto Mantovandi Angger Eka Rhamadani Anggraeni Putri, Sukmawati Angraeni Putri, Sukmawati Apriliani, Resti Dhea Putri Deni Fitriani Eka Fitriani Emiliana, Meutia Raissa Estu Mulia Warna Diyanti Fathurrahman Dwi Ramtomo Fikriyansyah , Muhamad Furi Indriyani Ilham Kurniawan Ilham Kurniawan Ilham Ramadhan Indah Suryani Indah Suryani Indah Suryani - STMIK Nusa Mandiri Jakarta Ispandi Ispandi Johansyah, Septian Dwi Nur Karim Kamali , Muhammad Kusmayanti Solecha Lukman Hakim Mitchell Nere Nasrudin Nia Nuraeni Nia Nuraeni Nining Suryani Puji Astuti Puji Astuti Rahmawati, Ami Ratih Yulia Hayuningtyas Rizal Amegia Saputra Rizal Khoirul Amri Rizka Ayu Lestari Rizky Maulana Sartika, Bella Saudur Setiaji Setiaji, Setiaji Stefanus Yogi Gunawan Suandi, Arfian Rifki Sukmawati Anggraeni Putri Sukmawati Anggraeni Putri Widya Apriliah Widya Apriliah, Widya Yohanes Christofer Lodewico Abineno Yudhistira Primatama