Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Najwa Sabilla, Nurul
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
MENGOPTIMALKAN KLASIFIKASI SINYAL ELECTROENCEPHALOGRAM UNTUK MENDETEKSI KEJANG EPILEPSI DENGAN BACKPROPAGATION NEURAL NETWORK Najwa Sabilla, Nurul; Fatchan, Muhamad; Aguswin, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13428

Abstract

Epilepsi adalah gangguan neurologis yang memengaruhi lebih dari 50 juta orang di seluruh dunia, dengan sekitar 6 juta penderita di Eropa. Penyakit ini memiliki tingkat kesalahan diagnosis yang tinggi dan dapat menyebabkan gangguan psikologis akibat stigma sosial. Klasifikasi epilepsi berdasarkan Electroencephalogram (EEG) sangat penting dalam diagnosis, namun interpretasi hasil EEG seringkali sulit dan memerlukan keahlian khusus. Kesulitan dalam mendiagnosis epilepsi secara akurat akibat interpretasi EEG yang membutuhkan pengalaman dan waktu, hal ini memengaruhi efektivitas pengobatan. Penelitian ini bertujuan untuk mengoptimalkan klasifikasi kejang epilepsi secara akurat dengan menghasilkan performa tinggi. Backpropagation Neural Network adalah salah satu metode dari pempelajaran mendalam digunakan pada kasus memprediksi klasifikasi untuk menurunkan tingkat kesalahan dalam diagnosis dan pemantauan kejang epilepsi dan non-epilepsi. Hasil dari penelitian ini menghasilkan tingkat akurasi 98,63%. Pelatihan pada split data 80:20, learning rate 0.1, jumlah neuron pada hidden layer terdapat 9 neuron, dengan 100 epoch pelatihan. Saat dilatih menggunakan data target berhasil digunakan dalam 418 diprediksi sebagai epilepsi dan 1791 sebagai non-epilepsi.
OPTIMASI KINERJA ANALISIS KERNEL SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI OPERASI CAESAR PERSALINAN Aziz Firdaus, Abdul; Pratama, Egi; Najwa Sabilla, Nurul; Laras Kinasih, Rahayu; Wiyanto, Wiyanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14000

Abstract

Angka persalinan dengan tindakan Sectio Caesarea (SC) di Indonesia terus meningkat dan melebihi batas ideal yang ditetapkan oleh WHO yaitu 10–15%, dengan prevalensi mencapai 17,6%. Hal ini menimbulkan kekhawatiran karena prosedur SC memiliki risiko komplikasi yang lebih tinggi dibandingkan persalinan normal, termasuk infeksi, pendarahan, hingga kematian ibu dan bayi. Meskipun SC menjadi alternatif penting dalam kondisi tertentu, pemilihan metode persalinan yang tidak tepat dapat berdampak negatif terhadap keselamatan ibu dan anak. Keputusan medis yang selama ini cenderung subjektif membutuhkan pendekatan yang lebih objektif dan berbasis data. Penelitian ini bertujuan untuk mendapatkan optimasi kinerja dengan Support Vector Machine (SVM) terhadap kernel serta memperoleh performa model yang baik. Pemantauan perbandingan untuk membuat berbagai kernel SVM yang lebih baik akurasinya untuk analisis SC. Hasil dari penelitian ini menghasilkan tingkat akurasi pada pengujian 83.36% menggunakan bantuan kernel RBF sebagai akurasi terbaik, dibandingkan dengan kernel linear sebesar 78.92%, kernel sigmoid sebesar 65.05%, kernel polynomial sebesar 82.39%. Selanjutnya, perhitungan ROC-AUC digunakan agar menghasilkan perhitungan yang rinci kepada keempat kernel, yaitu kernel linear 88.01%, kernal polynomial sebesar 89.28%, pada kernel sigmoid sebesar 70.19%. Kemudian, nilai grafik ROC-AUC untuk kernel RBF sebesar 89.86%, mengindikasikan bahwa model klasifikasi yang dibangun telah bekerja denga baik serta memiliki potensi untuk dikembangkan pada penelitian lanjutan.
Co-Authors Aguswin, Ahmad Aziz Firdaus, Abdul Laras Kinasih, Rahayu Muhamad Fatchan Pratama, Egi Wiyanto -