Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Formosa Journal of Science and Technology (FJST) JRIIN :Jurnal Riset Informatika dan Inovasi Applied Information Technology and Computer Science (AICOMS)
Awaliyah, Saiyah
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Industrial & Manufacturing Engineering Social Sciences

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

Found 3 Documents
Search

 1 
LiteraturReview: Klasifikasi Penyakit Paru-paru Menggunakan Metode Decision Tree Nuraina; Awaliyah, Saiyah; Ayu Purnamawati, Santi; Okataviani, Vera; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 2 No 8 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker paru-paru merupakan penyebab utama kematian di dunia, dengan banyaknya kasus yang baru terdeteksi pada stadium lanjut, sehingga pengobatan menjadi kurang efektif. Dalam upaya untuk meningkatkan deteksi dini dan prediksi risiko kanker paru-paru, pendekatan berbasis machine learning telah menarik perhatian dalam penelitian medis. Artikel ini mengulas penerapan metode Decision Tree dalam klasifikasi penyakit paru-paru, yang memungkinkan identifikasi pola-pola penting dalam gejala-gejala awal penyakit tersebut. Metode Decision Tree digunakan untuk membangun model klasifikasi berdasarkan berbagai faktor risiko yang memengaruhi timbulnya kanker paru-paru, seperti kebiasaan merokok, usia, dan faktor lingkungan. Review ini juga membahas berbagai teknik yang digunakan untuk meningkatkan akurasi model, termasuk seleksi fitur dan penggunaan Cross Validation. Berbagai penelitian yang mengaplikasikan Decision Tree untuk prediksi kanker paru-paru menunjukkan hasil yang beragam, dengan sebagian besar penelitian mencapai akurasi yang cukup baik, yang menandakan potensi metode ini dalam aplikasi klinis. Penelitian lebih lanjut berfokus pada pengembangan algoritma yang lebih kuat, seperti Random Forest dan Support Vector Machine (SVM), serta integrasi dengan data klinis dan genetika untuk meningkatkan prediksi. Artikel ini bertujuan untuk memberikan gambaran menyeluruh tentang penerapan Decision Tree dalam klasifikasi kanker paru-paru, serta tantangan dan peluang yang ada dalam pemanfaatan machine learning untuk deteksi dini kanker paru-paru.
Classification of Lung Diseases Using the Desicison Tree Method Apandi, Sopiyan; Nanang, Nanang; Rosyani, Perani; Nuraina, Nuraina; Awaliyah, Saiyah; Purnamawati, Santi Ayu; Oktaviani, Vera
Formosa Journal of Science and Technology Vol. 4 No. 1 (2025): January 2025
Publisher : PT FORMOSA CENDEKIA GLOBAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55927/fjst.v4i1.13442

Abstract

This research develops a machine learning-based classification method to detect lung cancer early, with the aim of increasing the life expectancy of patients. Lung cancer diagnosis generally requires manual interpretation of CT (Computed Tomography) images, which is prone to human error and time consuming. The proposed method is the Genetic K-Nearest Neighbor (GKNN) algorithm, which combines the advantages of genetic algorithms in parameter optimization with the K-Nearest Neighbor (KNN) approach for classification. The dataset used comes from Kaggle, includes 309 entries with 16 features, and has gone through pre-processing to minimize noise and improve data quality. The GKNN model was compared with other algorithms such as Support Vector Machine (SVM), Random Forest, Artificial Neural Network (ANN), and Decision Tree. Results show that Decision Tree achieves the highest accuracy of 98.39%, while GKNN offers a reliable solution with 90% accuracy and a low false positive rate. The results of this study are expected to be a reference in the development of artificial intelligence-based systems for medical applications, supporting faster and more accurate clinical decision-making.
Pengembangan Aplikasi Berbabis Web untuk Penerimaan 1 Donasi Secara Online di Yayasan Pundi Amal Mulia Awaliyah, Saiyah; Nuraina, Nuraina; Ayu Purnamawati, Santi; Haryono, Wasis
Applied Information Technology and Computer Science (AICOMS) Vol 4 No 1 (2025)
Publisher : Pengelola Jurnal Politeknik Negeri Ketapang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58466/aicoms.v4i1.1859

Abstract

Yayasan Pundi Amal Mulia merupakan lembaga sosial yang menghimpun dan menya-lurkan donasi kepada anak yatim, piatu, dan dhuafa. Selama ini, proses donasi dilakukan secara manual dan belum terintegrasi dengan sistem digital, sehingga rawan kesalahan pencatatan serta sulit dalam pelaporan. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mendukung proses donasi secara online. Metode yang digunakan adalah prototyping, dengan melibatkan pengguna sejak awal untuk memperoleh umpan balik dalam setiap iterasi sistem. Aplikasi ini dibangun menggunakan PHP, HTML, CSS, JavaScript, dan MySQL. Hasil dari penelitian ini adalah sistem donasi online yang memfasilitasi proses input donasi, unggah bukti transfer, validasi oleh bendahara, pelaporan real-time, dan akses dashboard oleh berbagai peran di yayasan. Sistem ini diharapkan dapat meningkatkan efisiensi, transparansi, dan kepercayaan donatur terhadap yayasan.
Co-Authors Ayu Purnamawati, Santi Haryono, Wasis nanang nanang Nuraina Nuraina, Nuraina Okataviani, Vera Oktaviani, Vera Perani Rosyani Purnamawati, Santi Ayu Sopiyan Apandi