Claim Missing Document
Check
Articles

Found 3 Documents
Search

A Improving lung cancer classification with feature selection: a comparative study of random forest and xgboost Kurniawan, David; Budiman, Ega; Fadli, Muhammad; Susanto, Erliyan Redy
Jurnal Mantik Vol. 9 No. 1 (2025): May: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v8i5.6319

Abstract

The leading cause of cancer mortality worldwide remains lung cancer which can be better managed when early and precise diagnosis is achieved to enhance patient outcomes. High-dimensional datasets in medical diagnostics create obstacles for classification because redundant and irrelevant features diminish model accuracy and boost computational complexity. This research investigates how feature selection enhances the performance of lung cancer classification models. The study evaluates Random Forest (RF) and XGBoost as classification models and uses Genetic Algorithm (GA) for feature selection to enhance model efficiency. The GA process ran for 50 generations and reached convergence at the 40th generation which showed that the optimal feature subset had reached stability. Random Forest outperformed XGBoost using GA-based feature selection in a number of parameters, such as accuracy, precision, recall, F1-score, and AUC-ROC. Random Forest displays superior effectiveness in utilizing optimized feature subsets to achieve enhanced generalization and classification performance over XGBoost. The research stands out because it compares how feature selection affects RF and XGBoost algorithms for lung cancer classification using fixed model settings. The research findings demonstrate the value of integrating RF with GA for feature selection as it offers potential for building both efficient and interpretable lung cancer diagnostic models within medical AI
TINJAUAN LITERATUR DENGAN PENDEKATAN SYSTEMATIC LITERATURE REVIEW UNTUK OPTIMASI KUERI DALAM BASIS DATA Budiman, Ega; Fadli, Muhammad; David Kurniawan; Susanto, Erliyan Redy
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 2 (2025): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i2.5182

Abstract

Efisiensi basis data MySQL sangat bergantung pada teknik optimasi kueri yang diterapkan, terutama dalam skenario dengan dataset besar dan kompleksitas kueri tinggi. Studi ini menggunakan pendekatan Systematic Literature Review (SLR) untuk mengidentifikasi teknik optimasi kueri yang terbukti efektif berdasarkan analisis dari literatur terkait. Hasil SLR menunjukkan bahwa pengindeksan, restrukturisasi kueri, tabel partisi, optimasi join, dan caching secara signifikan meningkatkan kinerja sistem dengan mengurangi waktu eksekusi kueri dan mengoptimalkan penggunaan sumber daya. Teknik-teknik ini memberikan hasil optimal jika diterapkan sesuai dengan karakteristik data dan kebutuhan sistem. Selain itu, pemantauan kinerja berkala dan kombinasi teknik optimasi disarankan untuk mempertahankan efisiensi basis data. Penelitian ini memberikan panduan berbasis bukti bagi pengembang dan administrator dalam mengelola basis data MySQL yang lebih cepat dan efisien.
Systematic Literature Review: Fintech dan Program Pemerintah dalam Permodalan UMKM: Inklusi atau Ilusi Santosa, Budi; Budiman, Ega; Simarmata, Yohanes; Kurniawan, David; Indriani, Yulia; Suryono, Ryan Randy
Jurnal Ekonomika Dan Bisnis (JEBS) Vol. 5 No. 1 (2025): Januari - Februari
Publisher : CV. ITTC INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jebs.v5i1.2579

Abstract

Penelitian ini bertujuan untuk menganalisis peran teknologi keuangan (fintech) dan sumber permodalan lainnya dalam mendukung inklusi keuangan serta keberlanjutan usaha mikro, kecil, dan menengah (UMKM) di Indonesia. Dengan pendekatan systematic literature review (SLR), 10 studi primer dianalisis untuk mengevaluasi inklusivitas, efisiensi, dan keberlanjutan solusi pendanaan berbasis fintech. Hasil penelitian menunjukkan bahwa fintech secara signifikan meningkatkan inklusi keuangan UMKM dengan menyederhanakan akses pendanaan dan mengurangi hambatan prosedural. Namun, tantangan seperti rendahnya literasi keuangan dan adopsi teknologi masih menjadi kendala. Rekomendasi diberikan untuk meningkatkan akses UMKM terhadap pendanaan dan memperkuat literasi keuangan guna mendukung pertumbuhan yang berkelanjutan.