Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Mandiri IT Journal of Artificial Intelligence and Digital Business
Nursahid, Wahyu
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Library & Information Science Mathematics

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

Found 2 Documents
Search

 1 
Optimalisasi Preprocessing Data Menggunakan Pendekatan CRISP-DM untuk Meningkatkan Kualitas Klasifikasi Penyakit Jantung Nursahid, Wahyu; Nugroho, Bangkit Indarmawan; Syefudin, Syefudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2514

Abstract

Penyakit jantung masih menjadi penyebab kematian utama di dunia sehingga deteksi dini berbasis data medis menjadi sangat penting. Penelitian ini menerapkan kerangka CRISP-DM untuk membangun klasifikasi penyakit jantung dengan pendekatan sistematis yang menekankan optimalisasi preprocessing data. Algoritma k-Nearest Neighbor (KNN) digunakan sebagai model dasar, dengan empat skema preprocessing yang dibandingkan: baseline dengan encoding, penambahan normalisasi, integrasi seleksi fitur berbasis Information Gain, serta kombinasi normalisasi, SMOTE dan seleksi fitur. Proses evaluasi dilakukan menggunakan 10 fold cross validation dengan metrik akurasi, presisi, recall, F1-score dan AUC. Hasil eksperimen menunjukkan bahwa skema keempat memberikan performa terbaik dengan akurasi 81,26 persen dan AUC 0,8460, melampaui skema lainnya. Fakta ini menegaskan bahwa strategi preprocessing yang tepat berkontribusi signifikan terhadap peningkatan performa model. Implikasi penelitian ini adalah perlunya menempatkan preprocessing sebagai bagian integral dari kerangka CRISP-DM, bukan sekadar langkah tambahan, serta membuka peluang penelitian lanjutan untuk mengeksplorasi variasi teknik preprocessing yang lebih adaptif. Pada tataran implementasi nyata, kombinasi preprocessing terbaik dengan algoritma yang lebih kuat dapat dipertimbangkan guna menghasilkan sistem prediksi penyakit jantung yang akurat dan andal.
Application of genetic algorithm and backpropagation neural networks to predict Tegal City population Murtopo, Aang Alim; Nursahid, Wahyu; Fadilah, Nurul; Gunawan, Gunawan
Jurnal Mandiri IT Vol. 13 No. 1 (2024): July: Computer Science and Field
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mandiri.v13i1.308

Abstract

Use of Genetic Algorithms and Backpropagation Neural Networks for Population Prediction in Tegal City, which aims to create precise prediction models using advanced computational techniques. This research uses a quantitative approach that combines experimental methods, data analysis, and model validation to implement and test predictive models. By using genetic algorithms for parameter optimization and neural network backpropagation for training, the findings show that the model can accurately predict population numbers with minimal error and high determination coefficients. The implications of this study are significant for urban planning and public policy development due to the accuracy and effectiveness of the model in forecasting population growth based on historical data.
Co-Authors Aang Alim Murtopo Bangkit Indarmawan Nugroho Gunawan Gunawan Nurul Fadilah, Nurul Syefudin, Syefudin