Article Per Year (5 Year)
p-Index From 2021 - 2026
2.17
P-Index
This Author published in this journals
All Journal Jurnal Dinamika Pengabdian (JDP) ILKOM Jurnal Ilmiah Journal of Information System, Applied, Management, Accounting and Research INTEGRITAS : Jurnal Pengabdian Journal of Intelligent Decision Support System (IDSS) Indonesian Journal of Data and Science Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Minfo Polgan (JMP) Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Jurnal Algoritma Linier: Literatur Informatika dan Komputer
jabir, sitti rahmah
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Evaluation of Multi-Class Classification Performance Lung Cancer Through K-NN and SVM Approach Saputra Troy, Muh. Indra Endriartono; Jabir, Sitti Rahmah; Anraeni, Siska
ILKOM Jurnal Ilmiah Vol 17, No 1 (2025)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v17i1.2464.27-33

Abstract

Lung cancer is one of the deadliest diseases in the world with a mortality rate of 25% of all cancer-related deaths in 2021. Lung cancer is a lung disease caused by genetic changes in respiratory epithelial cells, resulting in uncontrolled cell proliferation. In an effort to improve diagnosis and treatment, this study proposes an approach for multiclass performance evaluation using K-Nearest Neighbors (KNN) and Support Vector Machine (SVM) algorithms based on 2024 data. in this study KNN is implemented conventionally while SVM applies 2 kernel processes, namely Linear and Polynominal. The data used is 1000 rows and uses 24 variables with a ratio of 70% training data and 30% testing data, the data in this study includes important information such as medical history, diagnostic test results, and clinical characteristics of patients. this study aims to determine which algorithm has the best performance by looking at the final results based on accuracy in identifying lung cancer data. Based on the research and discussion of SVM and KNN performance evaluation, the SVM algorithm produces an accuracy of 98.28%, surpassing the accuracy of the KNN algorithm of 97.25%. Therefore, the results show that the SVM algorithm is superior to the KNN algorithm. The KNN and SVM methods were implemented for multi-class classification of lung cancer, allowing identification of various subtypes of lung cancer with optimal accuracy.
Analisis Pengaruh Penanganan Imbalanced Dataset Terhadap Kinerja Model Klasifikasi Kualitas Peta Konsep Menggunakan Algoritma Support Vector Machine Hartanto, Kotot Tri; Purnawansyah, Purnawansyah; Jabir, Sitti Rahmah
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3489

Abstract

Penilaian kualitas peta konsep sering digunakan untuk melihat pemahaman mahasiswa secara lebih terstruktur, namun proses penilaiannya masih banyak dilakukan secara manual sehingga memerlukan waktu dan berpotensi tidak konsisten. Tantangan lain yang muncul adalah ketidakseimbangan jumlah data antar kelas kualitas, yang dapat membuat model klasifikasi cenderung bias pada kelas mayoritas. Penelitian ini bertujuan menguji pengaruh SMOTE ENN terhadap kinerja Support Vector Machine dalam mengklasifikasikan kualitas proposisi peta konsep. Data yang digunakan berjumlah 691 proposisi dengan empat kelas kualitas, di mana kelas 3 mendominasi sebesar 64,3 persen. Teks diproses melalui tahap pra pemrosesan, kemudian direpresentasikan menggunakan TF IDF dengan ukuran kosakata 321 fitur. Data dibagi menjadi pelatihan dan pengujian dengan rasio 80 banding 20. Eksperimen dilakukan pada dua skenario, yaitu SVM tanpa penyeimbangan sebagai baseline, serta SVM dengan SMOTE ENN yang diterapkan pada data pelatihan sehingga ukuran data pelatihan meningkat dari 552 menjadi 1309 sampel dan distribusi kelas menjadi lebih seimbang. Hasil pengujian menunjukkan bahwa SMOTE ENN meningkatkan recall rata rata antar kelas dari 0,6479 menjadi 0,7149 dan F1 Score rata rata antar kelas dari 0,6806 menjadi 0,7297, serta menurunkan MAE dari 0,2230 menjadi 0,1871. Akurasi mengalami penurunan kecil dari 0,8633 menjadi 0,8561. Namun, penurunan ini disertai peningkatan recall dan F1 rata-rata antar kelas, yang berarti model lebih adil dan lebih baik dalam mendeteksi kelas-kelas yang sebelumnya jarang. Temuan ini mengindikasikan bahwa SMOTE ENN efektif untuk meningkatkan pemerataan performa klasifikasi pada dataset peta konsep yang tidak seimbang
Rancangan UI/UX Layanan Wisata Kota Kaimana Berbasis Mobile Menggunakan Figma Dengan Metode Design Thinking Syahrial, Muhammad; Harlinda, Harlinda; Jabir, Sitti Rahmah
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3480

Abstract

Di era digital saat ini, kemajuan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam sektor pariwisata. Aplikasi berbasis User Interface/User Experience (UI/UX) memegang peranan penting dalam meningkatkan kepuasan wisatawan, terutama dalam mempermudah dan mengefisienkan perencanaan perjalanan. Kabupaten Kaimana di Papua Barat, dengan potensi wisata Teluk Triton, menjadi fokus penelitian ini. Penelitian ini bertujuan untuk membantu wisatawan menjelajahi berbagai objek wisata di Kaimana dengan lebih mudah. Metode Design Thinking digunakan dalam penelitian ini, dengan pengumpulan data melalui kuesioner daring. Hasil penelitian menunjukkan bahwa learnability, effectiveness, dan attitude mendapatkan nilai rata-rata 80,44%, yang tergolong sangat baik dan layak. Dapat disimpulkan bahwa prototipe layanan wisata berbasis aplikasi mobile untuk kota Kaimana diterima dengan baik oleh 80% dari 50 responden dan layak untuk dikembangkan menjadi aplikasi layanan wisata yang sebenarnya. Tampilan rancangan aplikasi ini pun dinilai layak dan dapat memudahkan wisatawan yang berkunjung ke Kaimana
Co-Authors Bangsawan, Muhammad Hari Darwis, Herdianti Dolly Indra Faradibah, Amaliah Gaffar, Andi Widya Mufila Halis, Andi Muhammad Harlinda, Harlinda Hartanto, Kotot Tri Hidrawati, Hidrawati Huzain Azis lilis nurhayati Muhammad Arfah Asis Muhammad Ilham Muhammad Syahrial Musdalifah Musdalifah Nugroho, Afifah Khairunnisa Nurliani Nurliani Purnawansyah Purnawansyah Purnawansyah Rumadaul, Ella Nadya Salim, Yulita Saputra Troy, Muh. Indra Endriartono Siska Anraeni Syam, Netty Tenripada, A Ulfah Tenripada, Andi Ulfa Tenripada, Andi Ulfah Widyawati, Dewi