Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal Of Artificial Intelligence And Software Engineering
Azzanna, Maghriza
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Information Systems And Information Technology Strategies In The EMIS (Education Management Information System) Khaidar, Al; Azzanna, Maghriza; Rahmad, Rahmad; Hasibuan, Arnawan; Daud, Muhammad; Nurdin, Nurdin
Journal of Artificial Intelligence and Software Engineering Vol 5, No 3 (2025): September
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i3.7639

Abstract

Perkembangan teknologi informasi telah memengaruhi pengelolaan data pendidikan melalui sistem informasi manajemen, salah satunya Education Management Information System (EMIS). Penelitian ini bertujuan untuk menganalisis efektivitas implementasi EMIS di MAN 1 Aceh Timur serta faktor-faktor yang memengaruhi keberhasilannya. Metode penelitian menggunakan pendekatan kualitatif interaktif dengan studi kasus, melibatkan kepala madrasah, operator EMIS, dan pihak terkait sebagai informan. Analisis dilakukan menggunakan metode SWOT dan value chain untuk mengevaluasi kekuatan, kelemahan, peluang, dan ancaman implementasi sistem. Hasil penelitian menunjukkan EMIS memiliki potensi meningkatkan efektivitas pengelolaan data, integrasi informasi, dan mendukung pengambilan keputusan. Namun, sistem mengalami kendala teknis, terutama gangguan server dengan frekuensi bervariasi setiap bulan, puncaknya terjadi pada Maret dan Juli masing-masing 5 kali, dengan durasi rata-rata meningkat dari 1,8 jam di Januari menjadi 2,5 jam di Juli dan terendah 1,0 jam di April. Evaluasi menekankan perlunya peningkatan infrastruktur, pelatihan operator, dan koordinasi antar pihak terkait untuk mengoptimalkan kinerja EMIS di masa depan.
Comparative Analysis of Random Forest Algorithms, Artificial Neural Networks, and Logistic Regression in Breast Cancer Prediction with Machine Learning Approach M. Ali, Rahmadi; Nurdin, Nurdin; Khaidar, Al; Azzanna, Maghriza; Rusadi, Athirah
Journal of Artificial Intelligence and Software Engineering Vol 5, No 3 (2025): September
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i3.7028

Abstract

Perkembangan teknologi informasi khususnya kecerdasan buatan dan machine learning, telah meningkatkan efektivitas deteksi dini penyakit seperti kanker payudara. Namun, tingginya angka kejadian dan kematian akibat kanker payudara di Indonesia masih menjadi tantangan besar, terutama karena rendahnya tingkat deteksi dini dan banyak pasien datang dalam stadium lanjut. Penelitian ini membandingkan performa tiga algoritma machine learning, yaitu Random Forest, Artificial Neural Network (ANN), dan Logistic Regression, dalam memprediksi diagnosis kanker payudara berdasarkan akurasi, efisiensi komputasi, dan kestabilan kinerja. Evaluasi dilakukan dengan classification report dan validasi silang 10-Fold Cross Validation. Hasil menunjukkan Logistic Regression memiliki akurasi rata-rata tertinggi sebesar 77,56% dan waktu eksekusi tercepat, yaitu 0,024897 detik, menandakan efisiensi dan kestabilan yang baik. Random Forest memberikan akurasi classification report 80% dan nilai AUC tertinggi 0,89, menunjukkan keunggulan dalam diskriminasi kelas. ANN memiliki performa terendah dengan akurasi validasi silang 74,64% dan recall rendah untuk kelas positif. Logistic Regression direkomendasikan sebagai model paling seimbang, sementara Random Forest sebagai alternatif akurasi tinggi.Kata Kunci: Random Forest, Artificial Neural Networks, Logistic Regression, Breast Cancer Prediction, Machine Learning
Co-Authors Arnawan Hasibuan Khaidar, Al M. Ali, Rahmadi Muhammad Daud Nurdin Nurdin Rahmad Rahmad Rusadi, Athirah