Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Nusantara of Engineering (NOE) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Pratama, Wildan Septian
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Pengaruh Teknik Preprocessing terhadap Kinerja Model Explainable Boosting Machine (EBM) untuk Prediksi Serangan Jantung Setiawan, Moch. Andri; Efendi, Moh. Hasan; Akbar, Muhammad Farizal; Pratama, Wildan Septian
Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v8i02.25811

Abstract

Serangan jantung merupakan penyakit kardiovaskular yang sering terjadi secara tiba-tiba dan menjadi salah satu penyebab kematian tertinggi. Deteksi dini terhadap risiko serangan jantung masih menjadi tantangan karena keterbatasan sistem prediksi yang akurat dan mudah dipahami. Oleh karena itu, penelitian ini penting dilakukan untuk menghasilkan model prediksi yang tidak hanya akurat, tetapi juga interpretatif. Penelitian ini bertujuan mengembangkan model prediksi risiko serangan jantung berbasis machine learning menggunakan algoritma Explainable Boosting Machine (EBM). Proses dilakukan dengan pendekatan CRISP-DM serta optimasi pada tahap preprocessing, khususnya penanganan missing value melalui pemetaan data dan penanganan ketidakseimbangan data menggunakan metode SMOTE-ENN. Dataset yang digunakan berasal dari Kaggle, terdiri atas 158.355 baris dan 28 atribut yang mencerminkan faktor demografi, gaya hidup, lingkungan, serta kondisi klinis. Penelitian mencakup lima eksperimen berdasarkan variasi parameter SMOTE dan ENN. Hasil menunjukkan bahwa eksperimen SMOTEENN Sharp (SENS) menghasilkan akurasi tertinggi sebesar 74%, namun mengalami ketidakseimbangan klasifikasi pada kelas berisiko. Sementara itu, eksperimen SMOTEENN Aggressive (SENA) meningkatkan recall pada kelas berisiko, namun menurunkan akurasi menjadi 67%.Temuan ini menunjukkan bahwa strategi penanganan data yang optimal pada tahap preprocessing sangat berpengaruh terhadap kemampuan model dalam mengenali risiko serangan jantung secara lebih akurat dan seimbang.
Analisis Klasifikasi Spesies Bunga Iris Menggunakan Algoritma K-Nearest Neighbors EFENDI, MOH. HASAN; Pratama, Wildan Septian; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/80279r27

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan spesies bunga Iris menggunakan pendekatan K-Nearest Neighbors (KNN). Topik ini menarik karena adanya penerapan teknik mesin learning dalam botani, serta juga karena dataset Iris adalah dataset yang memiliki struktur jelas dan seringkali digunakan sebagai benchmark dalam penelitian. Dalam pembuatan model ini, saya melakukan eksplorasi data dan visualisasi untuk mendapatkan understanding, pemisahan data dengan teknik pemisahan data train-test, dan pelatihan serta evaluasi model KNN dengan beragam nilai k. Berdasarkan analisis yang telah kami lakukan, pada model ini pembelajaran dengan k=11 memperoleh akurasi 96,67% pada klasifikasi tiga jenis spesies bunga Iris. Evaluasi model dengan akurasi, precision, recall, dan F1-score menunjukkan hasil yang konsisten sangat baik. Temuan ini menegaskan bahwa algoritma KNN diimplementasikan pada dataset sederhana secara efektif digunakan untuk klasifikasi, dan masih tetap bisa digunakan pada tipe data lainnya untuk aplikasi lain.
Co-Authors Akbar, Muhammad Farizal Efendi, Moh. Hasan Erna Daniati Setiawan, Moch. Andri