Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Format : Jurnal Imiah Teknik Informatika
All Fajri, Muhammad Arya
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Perbandingan Algoritma CART Dan AdaBoost Pada Klasifikasi Demensia All Fajri, Muhammad Arya; Saputra, M Aldi; Desiani, Anita; Suprihatin, Bambang; Hanum, Herlina
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.002

Abstract

Demensia merupakan gangguan kesehatan ditandai dengan penurunan daya ingat, kemampuan kognitif, dan perilaku yang mengganggu aktivitas pada kehidupan sehari-hari. Masyarakat kurang mendapatkan informasi mengenai deteksi dini demensia yang disebabkan terbatasnya fasilitas kesehatan. Klasifikasi menggunakan data mining dapat membantu deteksi dini demensia. Penelitian ini bertujuan membandingkan algoritma CART dan AdaBoost untuk melihat metode yang paling efektif digunakan pada klasifikasi demensia. Pembagian data dilakukan menggunakan metode percentage split dan k-fold cross-validation. Percentage split membagi data menjadi dua bagian dengan 70% data pelatihan dan 30% data pengujian. K-fold cross-validation mengelompokkan data dengan 1 kelompok data menjadi data pengujian dan 9 kelompok data lainnya menjadi data pengujian yang dilakukan berulang pada setiap kelompok data sebanyak 10 kali. ADASYN digunakan untuk menyeimbangkan data pada setiap kelas. Hasil evaluasi kinerja pada kedua algoritma menunjukkan AdaBoost menggunakan ADASYN dan k-fold cross-validation memiliki nilai tertinggi untuk akurasi, presisi, recall, f1-score, dan ROC-AUC masing-masing sebesar 92.52%, 92.11%, 92.52%, 91.46%, dan 96.85%. Hasil ini menunjukkan bahwa algoritma AdaBoost sangat baik dalam memprediksi seluruh demensia dengan benar, mempertahankan keseimbangan antara presisi dan recall, dan membedakan tiga kelas demensia. Hasil penelitian menunjukkan keunggulan pendekatan ensemble learning dalam menangani variasi data dan meningkatkan stabilitas model klasifikasi demensia. Penelitian ini menunjukkan bahwa AdaBoost memiliki performa yang sangat baik dibandingkan CART pada klasifikasi demensia.
SISTEM PAKAR DIAGNOSIS GANGGUAN DEMENSIA MENGGUNAKAN METODE CERTAINTY FACTOR Desiani, Anita; All Fajri, Muhammad Arya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8374

Abstract

Demensia merupakan gangguan kesehatan ditandai dengan penurunan daya ingat, kemampuan kognitif, dan perilaku yang mengganggu aktivitas pada kehidupan sehari-hari. Masyarakat kurang mendapatkan informasi mengenai deteksi dini demensia yang disebabkan terbatasnya fasilitas kesehatan. Diagnosis gangguan demensia dapat dilakukan menggunakan bantuan komputer dengan memanfaatkan sistem pakar. Penelitian ini bertujuan mengembangkan sistem pakar untuk diagnosis gangguan demensia menggunakan metode certainty factor. Sistem pakar digunakan karena mampu mensimulasikan penilaian dan perilaku sesuai dengan proses penalaran manusia. Metode certainty factor digunakan untuk menangani ketidakpastian dalam sistem berbasis aturan. Tahapan dari penelitian ini meliputi pengumpulan data, akuisisi pengetahuan, representasi pengetahuan, basis pengetahuan, teknik analisis, inferensi pengetahuan, dan penempatan pengetahuan. Pengujian dilakukan menggunakan beberapa data pengujian dan hasil sistem dibandingkan dengan penilaian pakar sebagai acuan pakar. Hasil perhitungan penilaian pakar menunjukkan bahwa metode certainty factor memperoleh akurasi sebesar 100%. Penelitian ini menunjukkan bahwa metode certainty factor memiliki performa yang sangat baik pada diagnosis gangguan demensia.
Co-Authors Anita Desiani Bambang Suprihatin Herlina Hanum, Herlina Saputra, M Aldi