Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal bit-Tech Jurnal Software Engineering and Computational Intelligence Journal Innovations Computer Science SISFOTENIKA
Destria, Abel
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 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.
Prediksi Kualitas Susu Menggunakan Metode K-Nearest Neighbors Suhandi, Nazori; Gustriansyah, Rendra; Destria, Abel; Amalia, Marshanda; Kris, Via
SISFOTENIKA Vol. 14 No. 2 (2024): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v14i2.430

Abstract

Milk is a nutrient-rich source abundant in calcium and lactose, playing a crucial role in addressing nutritional deficiencies. Milk quality is determined by pH levels and pasteurization processes. This research aims to predict milk quality using the K-Nearest Neighbors (K-NN) Method. The analysis is conducted through a series of steps, including data preprocessing involving categorical data encoding, handling missing values, and data cleansing. Subsequently, the optimal K value is selected using the elbow method, with a value of K=3. The data is then divided into training and testing sets to avoid overfitting and validate model performance, and the testing results of using K-NN to predict milk quality are evaluated using three different data splitting schemes: 80-20, 70-30, and 60-40. By utilizing Confusion Matrix to calculate precision, recall, and accuracy, we can assess the proportion of correctly classified positive cases, accurately identified. The best accuracy result is obtained from scheme one at 0,94, with a recall of 0.8, and precision reaching 1. This research provides a significant contribution to understanding, predicting, and monitoring milk quality, encompassing a profound understanding of factors influencing milk quality and the development of advanced predictive models. Overall, this study strengthens the scientific foundation for the dairy industry comprehensively.
Analisis Prediksi Pemilihan Mata Kuliah Peminatan pada Jurusan Teknik Informatika Universitas Indo Global Mandiri Menggunakan Metode Linier Regresi Destria, Abel; Nurlita, Anna; Terttiaavini
Journal Innovations Computer Science Vol. 2 No. 1 (2023): May 2023
Publisher : Yayasan Kawanad

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56347/jics.v2i1.119

Abstract

Universitas Indo Global Mandiri (UIGM) in Palembang organizes various higher education programs, from diplomas to PhDs. In this study, we perform data analysis using linear regression methods and predictive modeling techniques. In this connection, a survey was conducted among UIGM Computer Science Engineering course students to collect the necessary data. Data generated from surveys is used to predict future student choices when choosing a course of study. According to the forecast results, 12 students choose Intelligent Computer and Vision (KCV) majors, and 84 students choose Software Engineering (RPL) majors. Due to data limitations, these predictions may not be completely accurate. However, more complete data can help improve prediction accuracy. Therefore, it is important to collect more complete and representative data to improve prediction accuracy. The more complete the data, the more accurate the forecast results, which can provide more precise guidance in decision-making about your area of ​​expertise. This study contributes to the application of linear regression and predictive modeling techniques in higher education and highlights the importance of comprehensive data collection to support better predictive outcomes.
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 Amalia, Marshanda Anna Nurlita Irfani, M.Haviz Kris, Via Nazori Suhandi Nazori Suhandi Purnamasari, Evi Rendra Gustriansyah Terttiaavini