Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal bit-Tech Jurnal Software Engineering and Computational Intelligence
Nazori Suhandi
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Penyakit TBC Menggunakan Metode UMAP dan K-NN Nazori Suhandi; Rendra Gustriansyah; Destria, Abel
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2227

Abstract

Tuberkulosis (TBC) adalah penyakit infeksi yang disebabkan oleh bakteri Mycobacterium tuberculosis, yang dapat menyebar dengan cepat melalui udara. Deteksi dini yang akurat sangat penting dalam penanganan penyakit ini untuk mencegah penyebaran lebih lanjut serta meningkatkan efektivitas pengobatan. Diagnosis yang tidak tepat dapat menyebabkan keterlambatan dalam pengobatan, sehingga meningkatkan risiko komplikasi serius bagi pasien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi TBC menggunakan metode Uniform Manifold Approximation and Projection (UMAP) dan K-Nearest Neighbors (K-NN) di Puskesmas Prabumulih Timur. Dataset yang digunakan terdiri dari 278 data pasien dengan berbagai atribut klinis terkait gejala TBC. Proses analisis diawali dengan tahap pra-pemrosesan data, termasuk penghapusan data duplikat, encoding data kategorikal, serta penanganan nilai yang hilang. Untuk meningkatkan akurasi klasifikasi, metode Elbow diterapkan guna menentukan nilai K optimal, dengan hasil terbaik pada K=3. Data kemudian dibagi menjadi 80% data pelatihan dan 20% data uji guna menghindari overfitting dan meningkatkan reliabilitas model. Pengujian dilakukan dengan membandingkan dua skenario, yaitu K-NN tanpa UMAP dan K-NN dengan UMAP. Hasil evaluasi menggunakan Confusion Matrix menunjukkan bahwa penerapan UMAP meningkatkan accuracy dari 93,48% menjadi 100%, dengan precision dan recall juga mencapai nilai maksimal. Penelitian ini berkontribusi dalam pengembangan sistem klasifikasi berbasis machine learning yang lebih akurat dan efisien untuk membantu tenaga medis dalam mendiagnosis TBC secara cepat, tepat, dan optimal dalam sistem layanan kesehatan.
Pembuatan Aplikasi Pengelolaan Arsip Surat Dinas PU.BMTR Prov. SumSel Destria, Abel; Purnamasari, Evi; Irfani, M.Haviz; Nazori Suhandi
Jurnal Software Engineering and Computational Intelligence Vol 2 No 01 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i01.4100

Abstract

Kemajuan teknologi di era globalisasi telah mempermudah berbagai kegiatan, termasuk manajemen administrasi di lembaga pemerintah. Pengelolaan arsip surat, baik surat masuk maupun surat keluar, merupakan elemen penting dalam administrasi lembaga pemerintah. Banyak lembaga yang masih menggunakan metode konvensional penyimpanan dokumen dalam bentuk fisik, yang menyebabkan tantangan seperti kompleksitas manajemen, kesulitan pencarian, dan risiko kerusakan dokumen. Penelitian ini menawarkan solusi menggunakan teknologi berbasis web untuk mengelola arsip surat di Bidang Penataan Ruang Dinas Pekerjaan Umum Bina Marga dan Tata Ruang Provinsi Sumatera Selatan dengan metode pengembangan perangkat lunak System Development Life Cycle (SDLC), yang mencakup tahap perencanaan, analisis, desain, dan implementasi. Sistem baru ini dirancang untuk meningkatkan efisiensi dan efektivitas pengelolaan arsip surat, dengan fitur pencarian surat yang cepat dan akurat, serta manajemen data yang lebih aman dan terorganisir. Implementasi sistem ini diharapkan dapat meningkatkan produktivitas kerja dan mengurangi risiko kesalahan dalam mengelola arsip surat di Dinas PU.BMTR Provinsi Sumatera Selatan.
Co-Authors Destria, Abel Irfani, M.Haviz Purnamasari, Evi Rendra Gustriansyah