Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JTERA (Jurnal Teknologi Rekayasa) Ainet : Jurnal Informatika
A M Hayat, Muhyddin
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
OPTIMALISASI DIAGNOSIS DINI DIABETES DENGAN MACHINE LEARNING: MODEL PREDIKTIF BERBASIS K-NEAREST NEIGHBOR Anggreani, Desi; Bakti, Rizki Yusliana; Lukman, Lukman; Dewi MJ, Wanda Tyrana; A M Hayat, Muhyddin
JTERA (Jurnal Teknologi Rekayasa) Vol 10, No 1: Juni 2025
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v10.i1.2025.89-98

Abstract

Diabetes merupakan penyakit tidak menular utama yang memberikan beban kesehatan global yang signifikan, dengan prevalensinya terus meningkat. Sebagai respons, penelitian ini mengembangkan aplikasi berbasis web untuk deteksi dini risiko diabetes menggunakan algoritma K-Nearest Neighbor (KNN), yang memanfaatkan Dataset lokal dari RSUD Kolonodale, Indonesia. Aplikasi ini memberikan alat yang efisien dan mudah diakses bagi masyarakat umum dan tenaga medis untuk memprediksi risiko diabetes berdasarkan indikator klinis utama seperti kadar gula darah, tekanan darah, Indeks Massa Tubuh (IMT), kadar insulin, dan riwayat keluarga. Model ini mencapai akurasi 93%, dengan precision 89%, recall 96%, dan F1-score 93%, yang menunjukkan efektivitasnya dalam membedakan antara kasus diabetes dan non-diabetes. Meskipun sistem ini menawarkan antarmuka pengguna yang ramah dan sumber daya edukasi tentang pencegahan diabetes, masih terdapat beberapa area yang perlu perbaikan, terutama dalam hal perluasan Dataset, penanganan kesalahan, dan performa pada beban pengguna yang tinggi. Aplikasi ini juga memiliki potensi untuk diintegrasikan dengan perangkat wearable dan chatbot berbasis AI untuk meningkatkan pemantauan secara real-time dan rekomendasi pencegahan yang dipersonalisasi. Pengembangan di masa depan dapat memperluas aplikasinya di fasilitas kesehatan baik di perkotaan maupun pedesaan.
ANALISIS PENERAPAN ALGORITMA JACCARD SIMILARITY UNTUK REKOMENDASI BUKU BERDASARKAN KATA KUNCI DAN SINONIMNYA Haskar, Alfitra; A M Hayat, Muhyddin; Yuslian Bakti, Rizky
Ainet : Jurnal Informatika Vol 7, No 1 (2025): Vol 7, No 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v7i1.18720

Abstract

Peningkatan jumlah informasi digital, termasuk katalog buku di perpustakaan dan toko buku online, membuat kebutuhan akan sistem rekomendasi semakin penting. Salah satu pendekatan yang dapat digunakan dalam sistem rekomendasi adalah algoritma Jaccard Similarity, yang mengukur kesamaan antara dua himpunan data. Dalam penelitian ini, dilakukan implementasi algoritma Jaccard Similarity untuk rekomendasi buku berdasarkan kata kunci dan sinonimnya. Penggunaan sinonim bertujuan untuk meningkatkan cakupan pencarian dan mengakomodasi variasi istilah yang mungkin digunakan pengguna saat mencari buku. Penelitian ini melibatkan beberapa tahap, mulai dari ekstraksi kata kunci dan sinonim menggunakan sumber daya linguistik seperti kamus sinonim, hingga perhitungan tingkat kesamaan antar kata kunci menggunakan algoritma Jaccard Similarity. Selanjutnya, dilakukan analisis performa algoritma dalam menghasilkan rekomendasi buku yang relevan. Hasil uji coba menunjukkan bahwa penggunaan sinonim dapat meningkatkan akurasi sistem rekomendasi dibandingkan dengan pencarian kata kunci secara eksak. Algoritma ini berhasil mengidentifikasi hubungan antara buku-buku yang relevan, meskipun menggunakan kata kunci yang bervariasi. Kesimpulan dari penelitian ini adalah bahwa algoritma Jaccard Similarity yang diimplementasikan dengan tambahan pemrosesan sinonim efektif dalam meningkatkan relevansi hasil rekomendasi buku. Pengembangan lebih lanjut dapat difokuskan pada integrasi dengan sistem pemrosesan bahasa alami untuk memperkaya kemampuan sistem rekomendasi.
ANALISIS PENERAPAN ALGORITMA JACCARD SIMILARITY UNTUK REKOMENDASI BUKU BERDASARKAN KATA KUNCI DAN SINONIMNYA Haskar, Alfitra; A M Hayat, Muhyddin; Yuslian Bakti, Rizky
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v7i1.18720

Abstract

Peningkatan jumlah informasi digital, termasuk katalog buku di perpustakaan dan toko buku online, membuat kebutuhan akan sistem rekomendasi semakin penting. Salah satu pendekatan yang dapat digunakan dalam sistem rekomendasi adalah algoritma Jaccard Similarity, yang mengukur kesamaan antara dua himpunan data. Dalam penelitian ini, dilakukan implementasi algoritma Jaccard Similarity untuk rekomendasi buku berdasarkan kata kunci dan sinonimnya. Penggunaan sinonim bertujuan untuk meningkatkan cakupan pencarian dan mengakomodasi variasi istilah yang mungkin digunakan pengguna saat mencari buku. Penelitian ini melibatkan beberapa tahap, mulai dari ekstraksi kata kunci dan sinonim menggunakan sumber daya linguistik seperti kamus sinonim, hingga perhitungan tingkat kesamaan antar kata kunci menggunakan algoritma Jaccard Similarity. Selanjutnya, dilakukan analisis performa algoritma dalam menghasilkan rekomendasi buku yang relevan. Hasil uji coba menunjukkan bahwa penggunaan sinonim dapat meningkatkan akurasi sistem rekomendasi dibandingkan dengan pencarian kata kunci secara eksak. Algoritma ini berhasil mengidentifikasi hubungan antara buku-buku yang relevan, meskipun menggunakan kata kunci yang bervariasi. Kesimpulan dari penelitian ini adalah bahwa algoritma Jaccard Similarity yang diimplementasikan dengan tambahan pemrosesan sinonim efektif dalam meningkatkan relevansi hasil rekomendasi buku. Pengembangan lebih lanjut dapat difokuskan pada integrasi dengan sistem pemrosesan bahasa alami untuk memperkaya kemampuan sistem rekomendasi.
Co-Authors Anggreani, Desi Bakti, Rizki Yusliana Dewi MJ, Wanda Tyrana Haskar, Alfitra LUKMAN, LUKMAN Yuslian Bakti, Rizky