Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jutsi: Jurnal Teknologi dan Sistem Informasi Jurnal Teknisi
Sembiring, Feby Wulandari
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
PERBANDINGAN NAIVE BAYES DAN C45 DALAM KLASIFIKASI TES KESEHATAN MAHASISWA BARU AKBID AS-SYIFA Sembiring, Feby Wulandari; Handoko, Wiwin; Batu Bara, Firdha Agis Utami; Sulaseh, Sulaseh
JUTSI: Jurnal Teknologi dan Sistem Informasi Vol 2, No 3 (2022): OCTOBER 2022
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jutsi.v2i3.1882

Abstract

Abstract: Medical test is important to determine the health of a person's body so they are often carried out and have even become one of the requirements for an institution to accept new members such as the As-Syifa Midwifery Academy which conducts medical tests for prospective new students. The problem is that so far the classification system for recapitulation of medical test results is still done manually, thus slowing the performance of the campus and it is feared that there will be damage to the data format. The problem solving technique above is carried out with a data mining process using Naïve Bayes and Decision Tree C45 where the two algorithms are compared to find the 1 best classification algorithm to be implemented in the system. The dataset uses data on the recapitulation of the results of the 2018 new student health tests sourced from the Administration (TU) of Akbid As-Syifa. The comparison uses 4 data testing models and the confusion matrix as the performance evaluation value of the modeling algorithm. The modeling results obtained that the Decision Tree C45 algorithm is superior and suitable to be implemented with an accuracy rate of 100% while Naïve Bayes has a maximum accuracy rate of 96%. The purpose of this study was to help Akbid As-Syifa classify the results of the health test of prospective new students. Keywords: Medical test; Prospective new students; Naïve Bayes; C45.  Abstrak: Tes kesehatan merupakan hal penting untuk mengetahui kesehatan tubuh seseorang sehingga banyak dilakukan bahkan telah menjadi salah satu persyaratan bagi sebuah lembaga untuk menerima anggota baru seperti halnya Akademi Kebidanan (Akbid) As-syifa yang melakukan tes kesehatan bagi calon mahasiswa baru. Permasalahannya selama ini sistem klasifikasi rekapitulasi hasil tes kesehatan masih dilakukan secara manual sehingga memperlambat kinerja pihak kampus serta dikhawatirkan adanya kerusakan format data. Adapun teknik penyelesaian masalah diatas dilakukan dengan proses data mining menggunakan  Naïve Bayes dan Decision Tree C45 dimana kedua algoritma tersebut dibandingkan untuk mencari 1 algoritma klasifikasi terbaik unutk diimplementasikan dalam sistem. Dataset menggunakan data rekapitulasi hasil tes kesehatan calon mahasiswa baru tahun 2018 bersumber dari Tata Usaha (TU) Akbid As-syifa. Perbandingan menggunakan 4 model pengujian data dan confusion matrix sebagai nilai evaluasi performa dari pemodelan algoritma tersebut. Hasil pemodelan diperoleh algoritma Decision Tree C45 lebih unggul dan cocok untuk diimplementasikan dengan tingkat akurasi 100% sedangkan Naïve Bayes tingkat akurasinya maksimal sebesar 96%. Tujuan penelitian ini adalah membantu pihak Akbid As-syifa mengklasifikasikan hasil tes kesehatan calon mahasiswa baru. Kata Kunci: Tes kesehatan; Calon Mahasiswa Baru; Naïve Bayes; C45.
MENGUKUR TINGKAT AKURASI 6 MODEL REGRESI DALAM MACHINE LEARNING UNTUK ESTIMASI PENYAKIT DIABETES Sembiring, Feby Wulandari
JURNAL TEKNISI Vol 4, No 1 (2024): February 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v4i1.1805

Abstract

Abstract: This research aims to develop a companion application that uses the regression method as a warning system for the public in maintaining blood sugar levels to minimize the risk of diabetes based on machine learning. Diabetes is one of the diseases with the highest death rate in Indonesia, but the public's low awareness of checking blood sugar levels regularly is due to the high cost of controlling it at hospitals or clinics. This has an impact on increasing the prevalence of diabetes and state losses. This research utilizes the linear regression method with 6 regression models and 3 testing methods to find the best and most accurate model in predicting diabetes levels. Data was processed using Jupyter Notebook tools with the Python programming language. It is hoped that the results of this research can contribute to increasing public awareness of the importance of maintaining healthy blood sugar to prevent diabetes.Keywords: machine learning; regression; diabetes; warning system. Abstrak: Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi pendamping yang menggunakan metode regresi sebagai warning system bagi masyarakat dalam menjaga kadar gula darah untuk meminimalisir risiko diabetes berbasis machine learning. Diabetes merupakan salah satu penyakit dengan angka kematian tertinggi di Indonesia, namun rendahnya kesadaran masyarakat dalam memeriksa kadar gula darah secara berkala disebabkan oleh mahalnya biaya pengontrolan di rumah sakit atau klinik. Hal ini berdampak pada meningkatnya prevalensi diabetes dan kerugian negara. Penelitian ini memanfaatkan metode regresi linier dengan 6 model regresi dan 3 metode pengujian untuk mencari model yang paling baik dan akurat dalam memprediksi kadar diabetes. Data diproses menggunakan tools Jupyter Notebook dengan bahasa pemrograman Python. Hasil penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan kesadaran masyarakat akan pentingnya menjaga kesehatan gula darah untuk mencegah diabetes.Kata Kunci: machine learning; regresi; diabetes; warning system.
PERBANDINGAN NAIVE BAYES DAN C45 DALAM KLASIFIKASI TES KESEHATAN MAHASISWA BARU AKBID AS-SYIFA Sembiring, Feby Wulandari; Handoko, Wiwin; Batu Bara, Firdha Agis Utami; Sulaseh, Sulaseh
JUTSI: Jurnal Teknologi dan Sistem Informasi Vol. 2 No. 3 (2022): OCTOBER 2022
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jutsi.v2i3.1882

Abstract

Abstract: Medical test is important to determine the health of a person's body so they are often carried out and have even become one of the requirements for an institution to accept new members such as the As-Syifa Midwifery Academy which conducts medical tests for prospective new students. The problem is that so far the classification system for recapitulation of medical test results is still done manually, thus slowing the performance of the campus and it is feared that there will be damage to the data format. The problem solving technique above is carried out with a data mining process using Naïve Bayes and Decision Tree C45 where the two algorithms are compared to find the 1 best classification algorithm to be implemented in the system. The dataset uses data on the recapitulation of the results of the 2018 new student health tests sourced from the Administration (TU) of Akbid As-Syifa. The comparison uses 4 data testing models and the confusion matrix as the performance evaluation value of the modeling algorithm. The modeling results obtained that the Decision Tree C45 algorithm is superior and suitable to be implemented with an accuracy rate of 100% while Naïve Bayes has a maximum accuracy rate of 96%. The purpose of this study was to help Akbid As-Syifa classify the results of the health test of prospective new students. Keywords: Medical test; Prospective new students; Naïve Bayes; C45.  Abstrak: Tes kesehatan merupakan hal penting untuk mengetahui kesehatan tubuh seseorang sehingga banyak dilakukan bahkan telah menjadi salah satu persyaratan bagi sebuah lembaga untuk menerima anggota baru seperti halnya Akademi Kebidanan (Akbid) As-syifa yang melakukan tes kesehatan bagi calon mahasiswa baru. Permasalahannya selama ini sistem klasifikasi rekapitulasi hasil tes kesehatan masih dilakukan secara manual sehingga memperlambat kinerja pihak kampus serta dikhawatirkan adanya kerusakan format data. Adapun teknik penyelesaian masalah diatas dilakukan dengan proses data mining menggunakan  Naïve Bayes dan Decision Tree C45 dimana kedua algoritma tersebut dibandingkan untuk mencari 1 algoritma klasifikasi terbaik unutk diimplementasikan dalam sistem. Dataset menggunakan data rekapitulasi hasil tes kesehatan calon mahasiswa baru tahun 2018 bersumber dari Tata Usaha (TU) Akbid As-syifa. Perbandingan menggunakan 4 model pengujian data dan confusion matrix sebagai nilai evaluasi performa dari pemodelan algoritma tersebut. Hasil pemodelan diperoleh algoritma Decision Tree C45 lebih unggul dan cocok untuk diimplementasikan dengan tingkat akurasi 100% sedangkan Naïve Bayes tingkat akurasinya maksimal sebesar 96%. Tujuan penelitian ini adalah membantu pihak Akbid As-syifa mengklasifikasikan hasil tes kesehatan calon mahasiswa baru. Kata Kunci: Tes kesehatan; Calon Mahasiswa Baru; Naïve Bayes; C45.
Co-Authors Batu Bara, Firdha Agis Utami Sulaseh, Sulaseh Wiwin Handoko