Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JSI (Jurnal sistem Informasi) Universitas Suryadarma JRIIN :Jurnal Riset Informatika dan Inovasi
Diyas Aditya Adi Saputra
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Penerapan Data Mining dengan Algoritma C4.5 untuk Mengidentifikasikan Prediksi Penyakit Diabetes Muhammad Ardi Hermansyah; Diyas Aditya Adi Saputra; Fikri hamdhan Dwi Saputra; Muhammad Rizqy Maulana; Muhammad Arifin
Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes termasuk penyakit kronis dengan angka kematian yang cukup tinggi secara global, dan sering kali baru terdiagnosis pada tahap lanjut karena gejala awalnya yang kurang mencolok. Dua penelitian ini mengembangkan pemanfaatan teknologi data mining dengan algoritma Decision Tree C4.5 untuk membentuk model prediksi dini terhadap penyakit diabetes. Data yang digunakan berasal dari repositori publik seperti UCI serta data klinis dari fasilitas kesehatan, dengan atribut-atribut klasifikasi seperti umur, jenis kelamin, berat badan, tekanan darah, detak jantung, dan kadar gula darah. Setelah melalui proses preprocessing, perhitungan entropy dan information gain, serta validasi melalui aplikasi RapidMiner, penelitian ini berhasil menghasilkan aturan klasifikasi yang mampu memprediksi risiko diabetes secara efektif. Kedua studi tersebut menunjukkan akurasi yang tinggi, masing-masing sebesar 95,51% dan 90,00%, yang menandakan bahwa algoritma C4.5 cukup andal dan memiliki potensi untuk dimanfaatkan dalam sistem pendukung keputusan medis guna mendeteksi diabetes sejak dini.
Pengenalan Angka Tulisan Tangan Menggunakan Metode Machine Learning Random Forest Mila Rosyada; Indriani Zabrina Putri; Saskia Aila Virda; Diyas Aditya Adi Saputra; Arif Setiawan
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 12 No. 2 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i2.1476

Abstract

Perkembangan teknologi Artificial Intelligence dan Machine Learning berperan penting dalam pengenalan tulisan tangan. Tantangan utama dalam pengenalan angka tulisan tangan adalah variasi bentuk antar individu. Penelitian ini mengimplementasikan algoritma Random Forest untuk mengklasifikasikan angka tulisan tangan secara otomatis, menggunakan dataset MNIST berformat CSV. Model dilatih pada 8.000 data dan diuji pada 2.000 data. Hasil evaluasi menunjukkan akurasi sebesar 95,20%, dengan 1.904 prediksi benar. Nilai rata-rata precision, recall, dan f1-score masing-masing mencapai 0,95, menunjukkan kinerja yang stabil dan akurat. Efektivitas model tercermin dari kemampuannya mengenali sebagian besar angka secara konsisten, dengan f1-score tertinggi sebesar 0,98. Efisiensi tercapai melalui waktu pelatihan yang cepat tanpa tuning parameter lanjutan. Dengan akurasi mencapai 95,20%, nilai f1-score rata-rata sebesar 0,95, serta waktu pelatihan yang cepat tanpa perlu tuning parameter, algoritma Random Forest menunjukkan kemampuan yang sangat baik dalam mengenali angka-angka dengan bentuk konsisten seperti angka 1, untuk menangani variasi tulisan tangan dengan kesalahan klasifikasi yang dapat dijelaskan secara visual. Oleh karena itu, Random Forest merupakan metode yang potensial untuk sistem pengenalan karakter tulisan tangan, terutama pada aplikasi digitalisasi dokumen dan otomasi sistem ujian.
Co-Authors Arif Setiawan Fikri hamdhan Dwi Saputra Indriani Zabrina Putri Mila Rosyada Muhammad Ardi Hermansyah MUHAMMAD ARIFIN Muhammad Rizqy Maulana Saskia Aila Virda