Ani Dijah Rahajoe
Universitas Pembangunan Nasional Veteran Jawa Timur

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

Found 2 Documents
Search

Klasifikasi Penyakit Stroke Menggunakan Algoritma XGBoost Classifier Muhammad Rizky Firdaus; Ani Dijah Rahajoe; Fairus Irhab Adinata Efendi; Azmi Maulana Mahardika; Achmad Ario Dwi Maulana; Piter Rudi Irson Rivaldo Lapon
Journal of Innovative and Creativity Vol. 6 No. 1 (2026)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v6i1.6546

Abstract

Stroke merupakan krisis kesehatan global yang menjadi penyebab utama kematian dan kecacatan. Deteksi lebih dini faktor stroke sangat penting untuk tindakan pencegahan yang efektif. Studi ini bertujuan untuk menganalisis karakteristik dataset stroke, mengkaji pengaruh teknik Hybrid Sampling (gabungan SMOTE dan Random UnderSampling) dalam mengatasi ketidakseimbangan data, serta mengevaluasi performa mode XGBoost. Penelitian ini menggunakan pendekatan kuantitatif eksperimen dengan dataset sekunder dari Kaggle. Penanganan ketidak seimbangan kelas dilakukan dengan Hybrid Sampling (gabungan SMOTE dan Random UnderSampling). Penerapan teknik Hybrid Sampling ini terbukti memberikan dampak signifikan pada kemampuan deteksi model, di mana nilai F1-Score pada kelas minoritas (stroke) yang semula bernilai 0,00 pada data asli (tanpa penanganan ketidakseimbangan) berhasil meningkat menjadi 0,25. Model dikembangkan menggunakan algoritma Extreme Gradient Boosting (XGBoost). Dataset memiliki ketidakseimbangan ekstrem dengan 4,8% pada kelas strok. Hasil evaluasi menunjukkan model XGBoost mencapai akurasi sebesar 89,4% pada data uji. Namun, performa pada kelas minoritas (stroke) masih rendah dengan recall 0,36 dan F1-Score 0,25. Meskipun XGBoost memberikan akurasi tinggi secara keseluruhan data yang signifikan. Diperlukan optimasi lebih lanjut melalui hyperparameter tuning atau algoritma boosting lainnya.
Artificial Intelligence-Based Expert System for Recirculating Aquaculture Systems in Tulungagung Regency, East Java Ani Dijah Rahajoe; Yushinta Aristina Sanjaya; Anna Fauziah; Rino Zakaria; Arif Setyo Wibowo
Plakat : Jurnal Pelayanan Kepada Masyarakat Vol 7, No 1 (2025): Plakat: Jurnal Pelayanan Kepada Masyarakat
Publisher : Fakultas Ilmu Sosial dan Ilmu Politik, Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/plakat.v7i1.18861

Abstract

Freshwater fish farming in Indonesia plays a crucial role in supporting food security and the economy. UD Tirta Mas Agung Abadi, based in East Java, is a key player in the breeding and cultivation of freshwater ornamental fish, as well as providing feed and aquaculture equipment. The main challenge lies in the complexity of parameters in the recirculating aquaculture system (RAS), such as weather, water quality, temperature, pH, dissolved oxygen, and other chemical contents. The reliance on experts also makes it difficult for farmers to take quick and measured actions in aquaculture management. The first solution proposed is the development of an intelligent system application based on artificial intelligence (expert systems) to efficiently manage RAS parameters. Trials have shown that 95% of respondents found the application met their needs. The second solution involves enhancing the capacity of freshwater ornamental fish farmers through training and mentoring, with 90% of respondents successfully implementing new techniques at their farming locations. These innovations have the potential to improve the efficiency and sustainability of freshwater fish farming in Tulungagung Regency. Budidaya ikan air tawar di Indonesia memegang peranan penting dalam mendukung ketahanan pangan dan perekonomian. UD Tirta Mas Agung Abadi, yang berbasis di Jawa Timur, merupakan salah satu pelaku utama dalam pembenihan dan pembesaran ikan hias air tawar, serta menyediakan pakan dan peralatan budidaya. Permasalahan utama yang dihadapi adalah kompleksitas parameter dalam sistem akuakultur resirkulasi (RAS) seperti cuaca, kualitas air, suhu, pH, oksigen terlarut, dan kandungan kimia lainnya. Ketergantungan pada pakar juga menyulitkan petani untuk menentukan tindakan budidaya yang cepat dan terukur. Solusi pertama yang ditawarkan adalah pengembangan aplikasi sistem cerdas berbasis kecerdasan buatan (sistem pakar) untuk mendukung pengelolaan parameter RAS secara efisien. Uji coba menunjukkan 95% responden merasa aplikasi ini memenuhi kebutuhan mereka. Solusi kedua adalah peningkatan kapasitas petani ikan hias air tawar melalui pelatihan dan pendampingan, dengan hasil 90% responden berhasil mempraktikkan teknik baru di lokasi budidaya mereka. Inovasi ini berpotensi meningkatkan efisiensi dan keberlanjutan budidaya ikan air tawar di Kabupaten Tulungagung.