Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Technology and Informatics Insight Journal
Anggit Gusti Nugraheni
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Perbandingan Implementasi Metode K-Nearest Neighbor menggunakan Jarak Euclidean dan Manhattan pada Analisa Klasifikasi Penyakit Anemia Buana Prameswary, Sekar; Devany Agustianingsih; Anggit Gusti Nugraheni
Technology and Informatics Insight Journal Vol. 4 No. 1 (2025): TIIJ
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/3eb23e95

Abstract

Anemia merupakan masalah kesehatan global yang memerlukan penanganan efektif melalui klasifikasi yang akurat. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk menganalisis dan mengklasifikasikan jenis penyakit anemia berdasarkan data hematologi dari 1.281 sampel. Proses klasifikasi melibatkan perhitungan jarak Euclidean dan Manhattan, dengan akurasi masing-masing 60% dan 64,31%. Hasil menunjukkan bahwa metode Manhattan lebih efektif dalam mendeteksi jenis anemia dengan kesalahan prediksi lebih sedikit dibandingkan Euclidean. Model yang dikembangkan diharapkan dapat mendukung diagnosis dini, meningkatkan efisiensi layanan kesehatan, dan memberikan solusi bagi wilayah dengan keterbatasan fasilitas diagnostik. Penelitian ini memberikan kontribusi signifikan dalam penerapan teknologi untuk klasifikasi data medis dan mendukung pengambilan keputusan klinis.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI HARGA EMAS Fuadz Misbahul Amin; Rendra Dwi Laksana; Aziz Alamsah; Anggit Gusti Nugraheni
Technology and Informatics Insight Journal Vol. 4 No. 1 (2025): TIIJ
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/866xcc05

Abstract

Prediksi harga emas merupakan tantangan penting dalam analisis data keuangan untuk pengambilan keputusan investasi. Penelitian ini menggunakan algoritma Naive Bayes untuk memprediksi harga emas yang diimplementasikan melalui aplikasi Rapid Miner berdasarkan faktor-faktor yang mempengaruhi pergerakannya, seperti harga emas sebelumnya dan nilai tukar mata uang, khususnya kurs Dollar-AS terhadap Rupiah. Data yang digunakan adalah histori harga emas dan nilai tukar Dollar dari 28 Desember 2020 hingga 30 Desember 2024, yang mencakup 1009 data record. Data tersebut dikategorikan menjadi tiga pergerakan harga: naik, tetap, dan turun. Metode Naive Bayes dipilih karena kemampuannya dalam menangani data besar secara efisien dan menghasilkan prediksi berbasis probabilitas. Hasil penelitian menunjukkan bahwa model Naive Bayes menghasilkan akurasi 74,74% dalam memprediksi pergerakan harga emas, memberikan wawasan yang berguna bagi investor dalam pengambilan keputusan investasi. Penelitian ini berpotensi memperkaya literatur prediksi harga komoditas dan membantu investor mengelola risiko serta memaksimalkan keuntungan.
Co-Authors Aziz Alamsah Buana Prameswary, Sekar Devany Agustianingsih Fuadz Misbahul Amin Rendra Dwi Laksana