Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Paradigma Interaksi Manusia-Komputer Di Situs Universitas Nusantara PGRI Kediri Amarya, Theo Krisna; Sahra, Maha Shelin; Galuh, Asye Candra Andy; Putri, Fitria Dessela; I, Ridho Achmad
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4936

Abstract

Situs web SPADA Universitas Nusantara PGRI Kediri memungkinkan mahasiswa untuk mendapatkan informasi akademik. Dengan menganalisis prinsip-prinsip yang mendasar dari sistem, penelitian ini bertujuan untuk memastikan cara sistem beroperasi. Prinsip-prinsip yang terkait dengan paradigma hubungan manusia komputer (IMK) awal Untuk mengevaluasi situs web SPADA Universitas Nusantara PGRI Kediri, penulis menggunakan metode penilaian heuristik Nielsen dan pendekatan Molich. Sepuluh variabel akan dievaluasi: visibilitas sistem, kompatibilitas sistem dengan dunia nyata, dan kontrol dan kebebasan. Sistem ini memiliki banyak fitur, termasuk integrasi dengan dunia nyata, kontrol dan kebebasan, stabilitas dan standarisasi, pencegahan, pemrosesan kognitif yang tidak bergantung pada ingatan, fleksibilitas dan kemanjuran penggunaan, dan pengurangan estetika. Hasilnya menunjukkan bahwa situs SPADA di Universitas Nusantara PGRI Kediri sudah memenuhi konsep dan prinsip dasar dari paradigma interaksi antara manusia dan komputer.
Penggunaan Algoritma K-Nearest Neighbor Untuk Klasifikasi Data Diabetes Pada Wanita Sahira, Maha Shelin; Putri, Fitria Dessela; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4981

Abstract

Diabetes adalah kadar gula darah yang tinggi atau di atas nilai normal, dalam menguji berbagai metode pada kumpulan data yang relevan adalah salah satu cara untuk menentukan metode klasifikasi yang tepat untuk mengelola diabetes. Dalam penelitian ini, masalah yang diangkat adalah bagaimana mengukur kinerja metode klasifikasi dalam mengelola diabetes yang tidak dikontrol dengan baik. Selama proses klasifikasi, algoritma K-Nearest Neighbor dan tools yang digunakan RapidMiner untuk menguji nilai accuracy, class precision, dan class recall dari data yang digunakan dalam penelitian ini. Data yang digunakan dalam penelitian ini berasal dari dataset diabetes Kaggle. Oleh karena itu, algoritma K-Nearest Neighbor digunakan untuk mengklasifikasikan penyakit diabetes pada wanita dapat digunakan karena proses seleksinya cepat, metodenya mudah dipahami, dan memiliki nilai akurasi yang baik (79.93%), ketepatan kelas (78.19%), dan recall kelas 96.45%.