Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Responsif : Riset Sains dan Informatika
Djaya Siswaja, Hendy
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENDEKATAN ALGORITMA NEURAL NETWORK DAN GENETIC ALGORITHM UNTUK PREDIKSI PENYAKIT GINJAL KRONIS Siswaja, Hendy D; Ramdhani, Yudi
Jurnal Responsif : Riset Sains dan Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1778

Abstract

Penyakit ginjal kronis (PGK) merupakan masalah kesehatan masyarakat global yang mempengaruhi sekitar 10% dari populasi dunia. Persentase prevalensi PGK di China adalah 10,8%, dan rentang prevalensinya adalah 10%-15% di Amerika Serikat. Seiring dengan perkembangan Artificial Intelligence (AI) dimana Machine Learning (ML) merupakan subbagian dari AI, penelitian ini mencoba memanfaatkan algoritma Neural Network, optimasi data berbasis Genetic Algorithm, dan k-fold Cross Validation dengan nilai k berkelipatan 10, yaitu 10, 20, 30, 40, dan 50 untuk memprediksi apakah seorang pasien mengidap PGK atau tidak dari dataset yang berisi hasil uji klinis pasien tersebut. Hasil penelitian ini mengungkapkan bahwa algoritma Neural Network dengan optimasi data berbasis GA mampu memperoleh tingkat akurasi sampai dengan 98,75% dan nilai AUC sebesar 0,999 sehingga dapat disimpulkan bahwa algoritma Neural Network dengan optimasi berbasis GA ini dapat dikembangkan lebih lanjut menjadi sebuah aplikasi ataupun bagian dari sistem kesehatan sehingga tingkat diagnosa pasien yang mengidap PGK dapat lebih cepat dilakukan dengan tingkat akurasi yang tinggi dan dapat meningkatkan peluang kesembuhan bagi pasien tersebut.
ANALISIS LOWONGAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI BERDASARKAN LOKASI MENGGUNAKAN TEKNIK KLASTERING K – MEANS Djaya Siswaja, Hendy; Tri Prasetio, Rizki
Jurnal Responsif : Riset Sains dan Informatika Vol 7 No 1 (2025): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v7i1.2020

Abstract

This study analyzes job vacancy distribution in the Technology Information sector based on location using the K-Means clustering technique. In the current era of Industry 4.0, job seekers and employers face challenges with data overload and time-consuming recruitment processes. Identifying hidden patterns in job vacancy data is crucial to understanding the concentration of job opportunities across regions. The methodology involves data preprocessing, including data cleaning, transformation, and normalization, followed by clustering using K-Means and evaluation with the Davies-Bouldin Index (DBI) to determine optimal clustering. The results reveal that clustering with 6 groups provides the most meaningful separation of job vacancies based on location and category, with a significant dominance of one cluster. The findings suggest that more detailed analysis of smaller clusters could uncover niche opportunities. This approach can assist policymakers and job seekers in making more informed decisions regarding career opportunities.
Co-Authors Tri Prasetio, Rizki Yudi Ramdhani