Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Penelitian dan Pengabdian Masyarakat Jotika
Sa'adah, Rabiatus
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI KANKER PAYUDARA MENGGUNAKAN EXTRA TREE DENGAN SMOTE Handayani, Kartika; Erni, Erni; Lailiah, Badariatul; Sa'adah, Rabiatus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8797

Abstract

Kanker payudara merupakan jenis kanker yang seringkali didiagnosis pada wanita. Di Indonesia, kanker payudara merupakan jenis kanker dengan tingkat kejadian tertinggi yang menempati peringkat kedua setelah kanker serviks. Mengidentifikasi kanker payudara pada tahap awal sangat krusial untuk mencegah perkembangan yang cepat, selain dari perkembangan metode pencegahan. Metode pembelajaran mesin (ML) dapat digunakan untuk mengindentifikasi kanker payudara. Dalam kasus klasifikasi kanker payudara, mayoritas data yang digunakan mengalami permasalahan data ketidakseimbangan kelas antara kanker payudara dan non-kanker payudara. Untuk mengatasi permasalahan ini digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) dengan algoritma extra tree. Extra Tree dipilih karena kemampuannya dalam menangani kasus-kasus kompleks dan tingkat akurasi yang tinggi. Hasil eksperimen menunjukkan keberhasilan metode Extra Tree dengan SMOTE, dengan tingkat akurasi mencapai 96.71%, Recall sebesar 95.29%, Precision sebesar 96.13%, F1 Score sebesar 95.61%, dan Area Under the Curve (AUC) sebesar 99.46%. Temuan ini mengindikasikan bahwa penggunaan metode ini memberikan kontribusi positif dalam meningkatkan kemampuan klasifikasi kanker payudara, yang dapat berpotensi meningkatkan keberhasilan deteksi dini dan pengelolaan penyakit ini dalam praktik klinis.
OPTIMASI PENGGUNAAN MEDIA SOSIAL SEBAGAI ALAT PROMOSI DALAM KONTEKS DIGITAL MARKETING PADA UMKM BORNEO ISTIMEWA Mustopa, Ali; Lisnawanty; Sa'adah, Rabiatus; Dahlia, Rizka
Jurnal Penelitian dan Pengabdian Masyarakat Jotika Vol. 3 No. 2 (2024): Februari
Publisher : Jotika English and Education Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56445/jppmj.v3i2.131

Abstract

Media sosial, sebagai platform online, memberikan kemudahan dalam berbagi konten dan berinteraksi. Sebagai alat promosi, media sosial menawarkan keuntungan meningkatkan visibilitas produk dan interaksi dengan target audiens. Dengan strategi yang tepat, media sosial dapat menjadi alat pemasaran yang efektif. Keberadaan media sosial memungkinkan interaksi lebih luas, memperluas jejaring, dan mengatasi kendala jarak serta waktu. Meski demikian, analisis menunjukkan bahwa sebagian besar anggota UMKM Borneo Istimewa masih kurang memahami potensi media sosial. Ketidakpahaman ini dapat mengakibatkan kurangnya pengenalan produk, kesulitan dalam pemasaran, dan hambatan promosi. Pemanfaatan media sosial menjadi solusi untuk meningkatkan visibilitas produk, memperluas pasar, dan mengatasi kendala promosi. Oleh karena itu, pelatihan mengenai pemanfaatan media sosial menjadi krusial untuk meningkatkan pemahaman dan keterampilan anggota UMKM, diharapkan membawa dampak positif pada pertumbuhan dan keberlanjutan UMKM Borneo Istimewa
Comparison of Decision Trees, Naïve Bayes and Random Forest in Detecting Heart Disease Erni, Erni; Sa'adah, Rabiatus
Sistemasi: Jurnal Sistem Informasi Vol 13, No 4 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i4.4163

Abstract

The leading cause of human death is heart disease (HD) worldwide which generally occurs when the heart is unable to push enough fresh, oxidized blood to the rest of the body. This disease makes it more difficult for the heart muscle to pump blood efficiently and causes chest pain, chest pressure, shortness of breath, pain in the neck and jaw. The aim of this research is to compare and obtain the best accuracy results from the three methods used, namely Random Forest, Extra Trees Classifier and Naïve Bayes. The results of this research prove that the Extra Trees Classifier method with an accuracy of 86.93% has higher results compared to the Naïve Bayes method with an accuracy of 84.21%, and the Random Forest Classifier method with an accuracy of 84.21%. Meanwhile, the AUC results obtained by the Extra Trees Classifier method are higher than other methods with an AUC of 93.81%.
Co-Authors Ali Mustopa, Ali Badariatul Lailiah Erni Erni Kartika Handayani Lisnawanty Rizka Dahlia