Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Informatics and Interactive Technology (JIITE)
Pangestu, Adinda
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
Analisis Perbandingan 3 Model Machine Learning Pada Deteksi Penyakit Jantung Pangestu, Adinda; Safira Putri, Aulia; Widi Astuti, Diah; Syahrul Muarof, Aghni; Wijaya Kusuma, Tegar; Novan Dwi Andika, Fikri
Journal of Informatics and Interactive Technology Vol. 2 No. 3 (2025): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v2i3.70

Abstract

Penyakit jantung merupakan penyebab utama kematian di Indonesia dan dunia, sehingga deteksi dini menjadi sangat penting. Penelitian ini membandingkan performa tiga algoritma machine learning—Logistic Regression, Random Forest, dan K-Nearest Neighbors (KNN) dalam memprediksi penyakit jantung menggunakan data dari Kaggle. Proses penelitian mencakup pengumpulan data, preprocessing, pembagian data, pemodelan, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model KNN memiliki performa terbaik dengan akurasi 85,88% dan keseimbangan yang tinggi antara presisi, recall, dan F1-score (masing-masing 87,23%). Model Random Forest menyusul dengan akurasi 82,35% dan AUC tertinggi sebesar 0,88, sedangkan Logistic Regression menunjukkan performa terendah dengan akurasi 77,65%. Berdasarkan hasil tersebut, model KNN direkomendasikan sebagai metode yang paling efektif untuk deteksi dini penyakit jantung, dengan Random Forest sebagai alternatif yang stabil dan andal.
Penerapan Metode Vector Space Model TF-IDF dan Cosine Similarity pada Sistem Temu Balik Informasi Berita Pangestu, Adinda; Estriana, Rias; Wati, Rahma; Firmansyah, Aldrian; Fahat, Muhammad; Safira, Aulia; Zakiyudin, Toik
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i1.109

Abstract

Perkembangan pesat media berita daring menyebabkan peningkatan volume dokumen teks yang signifikan, sehingga menimbulkan permasalahan information overload dalam proses pencarian informasi. Pengguna sering mengalami kesulitan menemukan berita yang relevan karena banyaknya dokumen yang memiliki kemiripan kata, namun tidak selalu sesuai dengan konteks kebutuhan informasi. Oleh karena itu, diperlukan suatu sistem temu balik informasi yang mampu melakukan pencarian dan pemeringkatan dokumen berita secara akurat berdasarkan tingkat relevansi konten. Penelitian ini bertujuan untuk menerapkan metode Vector Space Model (VSM) dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) serta pengukuran kemiripan menggunakan Cosine Similarity pada sistem temu balik informasi berita berbahasa Indonesia. Pendekatan penelitian yang digunakan adalah pendekatan kuantitatif dengan metode content-based information retrieval. Data penelitian berupa kumpulan dokumen berita daring yang diproses melalui tahapan preprocessing teks, meliputi case folding, tokenisasi, stopword removal, dan stemming, untuk menghasilkan data teks yang bersih dan seragam. Setiap dokumen kemudian direpresentasikan dalam bentuk vektor numerik menggunakan VSM dan diberi bobot TF-IDF untuk menonjolkan istilah yang bersifat spesifik terhadap topik dokumen. Tingkat kemiripan antara kueri pengguna dan dokumen berita dihitung menggunakan Cosine Similarity, yang selanjutnya digunakan sebagai dasar pemeringkatan dokumen. Hasil penelitian menunjukkan bahwa integrasi VSM, TF-IDF, dan Cosine Similarity mampu meningkatkan relevansi hasil pencarian dan menyajikan dokumen berita secara terstruktur sesuai dengan kebutuhan pengguna. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi efektif dalam pencarian informasi berita berbasis teks serta berpotensi diterapkan pada koleksi dokumen berskala besar.
Co-Authors Estriana, Rias Fahat, Muhammad Firmansyah, Aldrian Novan Dwi Andika, Fikri Rahma Wati Safira Putri, Aulia Safira, Aulia Syahrul Muarof, Aghni Widi Astuti, Diah Wijaya Kusuma, Tegar Zakiyudin, Toik