Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JURNAL PENDIDIKAN TAMBUSAI
Lestari, Ninik
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Comparison of Machine Learning Models for Predicting Lung Cancer Severity Lestari, Ninik; Susanto, Erliyan Redy
Sistemasi: Jurnal Sistem Informasi Vol 14, No 6 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i6.5258

Abstract

This study aims to compare the performance of four machine learning algorithms Random Forest (RF), Support Vector Machine (SVM), Logistic Regression (LR), and K-Nearest Neighbors (KNN) in predicting lung cancer severity based on patient medical data. The dataset includes clinical information with the target variable categorized into three severity levels: low, medium, and high. Experiments were conducted using an 80:20 train-test split without feature scaling. The results show that RF achieved 100% accuracy, LR 99%, KNN 82%, and SVM 43%. The superior performance of Random Forest can be attributed to its ensemble of decision trees, which mitigates overfitting in medium-dimensional numerical features, whereas SVM (kernel = RBF, C = 1.0, gamma = "scale") failed to adapt due to the absence of scaling and hyperparameter tuning. Recall, precision, and F1-score further confirm the dominance of RF and LR. This study provides insights into the effectiveness of machine learning algorithms in lung cancer diagnosis and highlights the contribution of a multi-algorithm approach. The findings recommend using RF as the primary model and LR as a complementary control within clinical decision support systems, enabling physicians to make earlier, more personalized treatment decisions and ultimately improve lung cancer patient prognosis.
Implementasi Adaptasi Pendekatan Artifical Intellegence dan Pembelajaran Deep Learning pada Mata Pelajaran TIK di SMK Negeri 1 Pati Lestari, Ninik
Jurnal Pendidikan Tambusai Vol. 10 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v10i1.36300

Abstract

Perkembangan pesat teknologi digital menuntut adanya inovasi dalam proses pembelajaran, khususnya pada mata pelajaran Teknologi Informasi dan Komunikasi (TIK) di tingkat Sekolah Menengah Kejuruan (SMK). Salah satu pendekatan pembelajaran yang relevan dengan kebutuhan era digital adalah implementasi Artificial Intelligence (AI) dan pembelajaran berbasis Deep Learning. Penelitian ini bertujuan untuk menganalisis efektivitas implementasi adaptasi pendekatan Artificial Intelligence dan pembelajaran Deep Learning terhadap peningkatan hasil belajar peserta didik pada mata pelajaran TIK di SMK Negeri 1 Pati.Penelitian ini menggunakan metode kuantitatif dengan desain pre-test dan post-test one group design. Sampel penelitian berjumlah 50 peserta didik yang dipilih menggunakan teknik total sampling. Instrumen penelitian berupa tes tertulis yang diberikan sebelum (pre-test) dan sesudah (post-test) penerapan pembelajaran berbasis Artificial Intelligence dan Deep Learning. Data yang diperoleh dianalisis menggunakan statistik deskriptif dan inferensial, meliputi uji normalitas dan uji paired sample t-test untuk mengetahui perbedaan hasil belajar sebelum dan sesudah perlakuan.Hasil penelitian menunjukkan adanya peningkatan signifikan pada nilai rata-rata hasil belajar peserta didik setelah diterapkannya pendekatan Artificial Intelligence dan pembelajaran Deep Learning. Nilai rata-rata post-test lebih tinggi dibandingkan nilai pre-test, serta hasil uji paired sample t-test menunjukkan nilai signifikansi < 0,05, yang berarti terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah perlakuan. Hal ini menunjukkan bahwa integrasi Artificial Intelligence dan Deep Learning dalam pembelajaran TIK mampu meningkatkan pemahaman konsep, keterampilan berpikir kritis, serta minat belajar peserta didik.Kesimpulan dari penelitian ini adalah bahwa implementasi adaptasi pendekatan Artificial Intelligence dan pembelajaran Deep Learning efektif dalam meningkatkan hasil belajar mata pelajaran TIK di SMK Negeri 1 Pati. Penelitian ini diharapkan dapat menjadi referensi bagi pendidik dan institusi pendidikan dalam mengembangkan model pembelajaran inovatif berbasis teknologi cerdas di lingkungan SMK.
Co-Authors Susanto, Erliyan Redy