Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Fu'adah Amran, Hasanatul
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Rancangan UI (User Interface) dan UX (User Experience) Sistem Imunisasi Anak Menggunakan Metode Design Thinking Fu'adah Amran, Hasanatul; Farianti Amran, Husna; Martilova, Dona; Anugrah, Bayu
JURNAL FASILKOM Vol. 14 No. 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i1.7498

Abstract

Berkembangnya teknologi informasi dan komunikasi yang semakin pesat termasuk bidang kesehatan yang menerapkan penggunaan komputer dalam kegiatannya atau yang biasa dikenal dengan istilah E-Health. E-Health dapat diartikan sebagai ilmu pengetahuan baru yang memiliki inovasi dalam pertukaran informasi medis, kesehatan masyarakat dan hal-hal yang berkaitan dengan jasa pelayanan dan informasi kesehatan yang ditingkatkan melalui saluran internet dan teknologi, salah satu nya adalah imunisasi. Penelitian ini akan berfokus pada rancangan UI dan UX dengan menggunakan metode design thinking. Penggunaan metode design thinking akan mengadaptasi metode yang biasa diterapkan oleh desainer menggunakan prosedur iteratif dalam pemikiran desain dari pernyataan masalah hingga solusi masalah. Tujuannya adalah untuk menghasilkan ide sebanyak mungkin sehingga ditemukan permasalahan dan solusi terbaik untuk masalah tersebut. Metode ini akan dimulai dengan tahap Empathize, Define, Ideate, Prototype, dan Test. Prototipe yang telah dirancang menggunakan Figma kemudian diuji kepada 5 penguji dengan menggunakan metode pengujian System Usability Scale (SUS). Berdasarkan pengujian yang telah dilakukan diperoleh hasil uji dengan total nilai 86 dan disimpulkan acceptable, grade scale B dan adjective rating adalah excellent.
Kombinasi Algoritma Gaussian Naïve Bayes Dan Adaboost Untuk Meningkatkan Akurasi Dalam Klasifikasi Penyakit Diabetes Handayani, Fitri; Firdaus, Rahmad; Wahyudi, Ashari; Fu'adah Amran, Hasanatul; Medikawati Taufiq, Reny
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9279

Abstract

Diabetes mellitus adalah penyakit metabolik kronis yang dapat menyebabkan komplikasi serius jika tidak terdeteksi dini. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi diabetes dengan menggabungkan algoritma Gausian Naïve Bayes dan Adaboost menggunakan teknik ensemble learning. Ensemble learning adalah metode dalam pembelajaran mesin yang meningkatkan akurasi model dengan menggabungkan prediksi dari beberapa model yang berbeda. Teknik ini mengintegrasikan model-model yang mungkin memiliki performa kurang optimal secara individu untuk membentuk model yang lebih unggul. Adaboost memberikan bobot lebih besar pada sampel yang sulit diklasifikasikan, sehingga efektif dalam menangani data yang kompleks dan tidak seimbang. Dataset yang digunakan berasal dari Sylhet Diabetes Hospital, Bangladesh, yang berisi data kuesioner yang telah diverifikasi oleh dokter. Evaluasi menggunakan Confusion Matrix menunjukkan bahwa kombinasi Gausian Naïve Bayes dan Adaboost meningkatkan akurasi klasifikasi diabetes secara signifikan. Model ini mencapai akurasi 96.1% pada pembagian data 80:20, lebih tinggi dibandingkan Naïve Bayes tunggal (87.69%). Precision tertinggi (100%) tercatat pada pembagian data 80:20, dengan recall stabil pada 93.7%–94%, dan F1-Score tertinggi sebesar 96.7%. Hasil ini menunjukkan bahwa kombinasi kedua algoritma melalui teknik ensemble learning dapat saling melengkapi dan meningkatkan performa klasifikasi, menjadikannya lebih efektif dalam identifikasi diabetes
Co-Authors Anugrah, Bayu Farianti Amran, Husna Fitri Handayani Martilova, Dona Rahmad Firdaus Taufiq, Reny Medikawati Wahyudi, Ashari