Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science
Putri, Naila Raihana
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS KLASTERISASI JUMLAH PENDERITA PENYAKIT MENGGUNAKAN K-MEANS SEBAGAI DASAR DISTRIBUSI LAYANAN RUMAH SAKIT UMUM DI SUMATERA SELATAN Lakeisyah, Eka Therina; Marshella, Siti Hariza; Putri, Naila Raihana; Rahman, M. Fadhil; Risyahputri, Aliyananda; Maulana, Rahmat; Tania, Ken Ditha; Sari, Winda Kurnia
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4959

Abstract

Peningkatan jumlah penderita penyakit dalam beberapa tahun terakhir pada Provinsi Sumatera Selatan berimbas kepada evaluasi pendistribusian layanan kesehatan yang merata di setiap daerah. Penelitian ini menyoroti ketidakmerataan fasilitas kesehatan berupa layanan rumah sakit umum yang tersebar di masing-masing wilayah yang ada di Provinsi Sumatera Selatan. Tujuan dari penelitian ini adalah untuk memberikan wawasan berbasis data sebagai acuan bagi pemerintah dalam pengambilkan kebijakan pendistribusian layanan kesehatan agar dapat lebih merata. Penelitian ini menggunakan dataset yang berasal dari BPS Provinsi Sumatera selatan dan diolah dengan algoritma K-Means melalui rapid miner dan python. Hasil dari analisis data tersebut adalah mengelompokkan wilayah Kabupaten/Kota kedalam 3 kluster yakni kluster 0 (rendah) terdiri dari 11 wilayah, kluster 1 (tinggi) terdiri dari 1 wilayah, dan kluster 2 (sedang) terdiri dari 5 wilayah. Interpretasi dari klasterisasi dan pengolahan data menunjukkan adanya ketimpangan dalam pendistribusian fasilitas kesehatan terutama antara layanan kesehatan di wilayah Kota Palembang dengan Kabupaten/Kota lainnya. Sehingga, dari temuan tersebut direkomendasikan bagi pemerintah untuk melakukan kebijakan ulang terkait pendistribusian layanan dan tenaga kesehatan di tiap daerah secara merata dan dapat menerapkan inovasi layanan kesehatan dengan pendekatan knowledge management yang dapat mengoptimalisasi pemerataan layanan kesehatan di Sumatera Selatan.
Deteksi Komentar dan Analisis Sentimen Promosi Judi Online pada Youtube Menggunakan IndoBERT dan XGBoost Putri, Naila Raihana; Kurniawan, Dedy; Tania, Ken Ditha
Building of Informatics, Technology and Science (BITS) Vol 7 No 3 (2025): December 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i3.8421

Abstract

YouTube, as a highly interactive platform, has become a medium for online gambling promotions, raising legal issues under the Electronic Information and Transactions (ITE) Law and social risks, particularly for adolescents. This study aims to analyse public responses to gambling-related comments and to develop an automatic detection system using Natural Language Processing (NLP). The research follows the Knowledge Discovery in Databases (KDD) stages, including web scraping, preprocessing, text transformation, model training, and evaluation. Sentiment analysis was performed on 999 comments labelled positive, negative, and neutral. Detection of promotional content was tested using IndoBERT and TF-IDF-based XGBoost, with 587 training samples and 885 external testing samples at an 80:20 ratio. The results show that the majority of comments (52.65%) are positive with a fairly high average confidence score (0.914), indicating public support for the eradication of online gambling. Meanwhile, negative comments (24.72%) with a confidence score of 0.888 generally contained criticism of the rampant practice of gambling promotion or YouTube's weak moderation system. For automatic detection, IndoBERT achieved superior performance with 0.94 accuracy and F1-score and only 10 misclassifications, significantly outperforming XGBoost, which reached 0.73 accuracy with 47 errors. This study highlights the effectiveness of transformer-based models in detecting gambling promotions while also indicating strong public support for eradication efforts. These findings provide an empirical foundation for advancing research on adaptive automated moderation systems capable of identifying concealed patterns of illicit content in digital platforms, particularly in the detection of online gambling promotional comments within the YouTube ecosystem.
Co-Authors Dedy Kurniawan Ken Ditha Tania Lakeisyah, Eka Therina Marshella, Siti Hariza Maulana, Rahmat Rahman, M. Fadhil Risyahputri, Aliyananda Winda Kurnia Sari