Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Majalah Kedokteran Bandung Jurnal Informatika dan Teknik Elektro Terapan
Hidayat, Peri
Unknown Affiliation
Computer Science & IT Medicine & Pharmacology

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

Found 3 Documents
Search

 1 
OPTIMASI ALGORITMA K-NEAREST (KNN) NEIGHBORS PADA PREDIKSI RISIKO PENYAKIT KARDIOVASKULAR Hidayat, Peri; Kurniawan, Rudi; Wijaya, Yudhitira Arie; Suprapti, Tati
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5864

Abstract

Penyakit kardiovaskular merupakan penyebab utama kematian di dunia, dipengaruhi oleh berbagai faktor risiko yang kompleks. Deteksi dini sangat penting untuk mencegah komplikasi serius. Penelitian ini bertujuan mengembangkan model prediksi risiko penyakit kardiovaskular menggunakan algoritma K-Nearest Neighbors (K-NN) dan menentukan nilai K optimal untuk meningkatkan akurasi prediksi. Metodologi yang digunakan adalah Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pembersihan data, transformasi data, pemilihan atribut, evaluasi, dan validasi model. Dataset yang digunakan terdiri dari variabel medis seperti usia, berat badan, tekanan darah, kadar kolesterol, dan riwayat medis lainnya. Data dibagi dengan rasio 70:30 dan 80:20 untuk mengevaluasi performa model pada pembagian data yang berbeda. Hasil menunjukkan bahwa nilai K = 40 memberikan akurasi terbaik sebesar 71,00% pada rasio 70:30, sedangkan nilai K = 25 menghasilkan akurasi 71,16% pada rasio 80:20. Kesimpulan penelitian ini adalah algoritma K-NN mampu memprediksi risiko penyakit kardiovaskular dengan baik, bergantung pada pemilihan nilai K dan rasio pembagian data yang optimal. Penelitian ini berkontribusi dalam pengembangan model prediksi risiko penyakit kardiovaskular dan menjadi referensi untuk diagnosis dini di masa depan.
Histopathological Aspects as Predictor of Recurrency of Locally Advanced Breast Cancer Rizki, Kiki Akhmad; Djajakusumah, Teguh Marfen; Agustina, Hasrayati; Hidayat, Peri
Majalah Kedokteran Bandung Vol 56, No 2 (2024)
Publisher : Faculty of Medicine, Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15395/mkb.v56.3193

Abstract

The histopathological aspect of breast cancer has been established as one of the important prognostic factors of recurrence. This study aimed to determine whether histopathological examination can be used as a predictor of the incidence of recurrence in locally advanced breast cancer patients. This was a cohort retrospective observational study with a correlative analytical approach. Subjects of this study were breast cancer patients who have undergone mastectomy and/or received additional therapy at Dr. Hasan Sadikin General Hospital Bandung, Indonesia, between January 2017 and September 2019. Data were collected through medical records and anatomical histopathology data. Subjects were divided based on their recurrency status. A total of 62 breast cancer patients were included in the study with 31 recurrent patients and 31 non-recurrent patients. A total of 29 patients in the recurrent group (93.5%) had lymphovascular invasion. Histopathology grading showed a difference in both groups, in which recurrent group patients were mostly (74.2%) in the high histopathological grade while 51.6% of samples in non-recurrent group were categorized as moderate histopathological grade. Complete histopathological margins were found in both recurrent and non-recurrent groups for 54.8% and 87.1% respectively. There is a correlation between histopathologic grading, lymphovascular invasion, and incision margin with the recurrence of a locally advanced stage breast cancer. It can be concluded that some histopathological aspects can be used as a predictor of recurrence in locally advanced breast cancer.
OPTIMASI ALGORITMA K-NEAREST (KNN) NEIGHBORS PADA PREDIKSI RISIKO PENYAKIT KARDIOVASKULAR Hidayat, Peri; Kurniawan, Rudi; Wijaya, Yudhitira Arie; Suprapti, Tati
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5864

Abstract

Penyakit kardiovaskular merupakan penyebab utama kematian di dunia, dipengaruhi oleh berbagai faktor risiko yang kompleks. Deteksi dini sangat penting untuk mencegah komplikasi serius. Penelitian ini bertujuan mengembangkan model prediksi risiko penyakit kardiovaskular menggunakan algoritma K-Nearest Neighbors (K-NN) dan menentukan nilai K optimal untuk meningkatkan akurasi prediksi. Metodologi yang digunakan adalah Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pembersihan data, transformasi data, pemilihan atribut, evaluasi, dan validasi model. Dataset yang digunakan terdiri dari variabel medis seperti usia, berat badan, tekanan darah, kadar kolesterol, dan riwayat medis lainnya. Data dibagi dengan rasio 70:30 dan 80:20 untuk mengevaluasi performa model pada pembagian data yang berbeda. Hasil menunjukkan bahwa nilai K = 40 memberikan akurasi terbaik sebesar 71,00% pada rasio 70:30, sedangkan nilai K = 25 menghasilkan akurasi 71,16% pada rasio 80:20. Kesimpulan penelitian ini adalah algoritma K-NN mampu memprediksi risiko penyakit kardiovaskular dengan baik, bergantung pada pemilihan nilai K dan rasio pembagian data yang optimal. Penelitian ini berkontribusi dalam pengembangan model prediksi risiko penyakit kardiovaskular dan menjadi referensi untuk diagnosis dini di masa depan.
Co-Authors Hasrayati Agustina Kiki Akhmad Rizki, Kiki Akhmad Rudi Kurniawan Tati Suprapti Teguh Marfen Djajakusumah, Teguh Marfen Wijaya, Yudhitira Arie