Claim Missing Document
Check
Articles

Found 6 Documents
Search

MENGOPTIMALKAN PREDIKSI GAGAL JANTUNG DENGAN KOMBINASI SVM DAN FORWARD SELECTION Verry Riyanto; Henny Destiana; Titin Prihatin; Sugiono; Ganda Wijaya
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1541

Abstract

Gagal jantung merupakan salah satu kondisi kesehatan kritis dengan angka kematian yang terus meningkat, dengan permasalahan yang ada diagnosis tradisional seringkali kurang akurat dan efisien sehingga diperlukan metode diagnosis dini yang lebih presisi dan efisien. Penelitian sebelumnya telah meningkatkan akurasi prediksi dengan berbagai metode namun masih terbatas dalam pemilihan fitur optimal dan efisiensi pemodelan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis kinerja kernel pada algoritma Support Vector Machine (SVM) seperti Dot, Radial, Polynomial dan menganalisis efektivitas Forward Selection (FS) dalam memilih fitur paling signifikan guna mengoptimalkan prediksi risiko gagal jantung. Hasil penelitian menunjukkan bahwa kernel Radial dengan FS memiliki performa terbaik dengan AUC 0.881, Accuracy 84,64%, dan Recall 92,55%. Fitur time dan serum_creatinine terbukti paling signifikan dalam meningkatkan performa model. Penelitian ini membuktikan bahwa kombinasi antara SVM dan FS mampu menghasilkan solusi yang lebih presisi dan efisien dalam diagnosis dini gagal jantung dibandingkan pendekatan sebelumnya. Hasil ini diharapkan dapat mendukung pengembangan sistem prediksi berbasis kecerdasan buatan untuk aplikasi klinis yang lebih andal.
Pelatihan Membangun Website Usaha Mikro Kecil Menengah untuk Pengembangan Usaha Mitra Cikoko Ridwansyah Ridwansyah; Titin Prihatin; Ispandi Ispandi; Oky Kurniawan
Setia Mengabdi: Jurnal Pengabdian kepada Masyarakat Vol. 7 No. 1 (2026): Juni 2026
Publisher : Politeknik STIA LAN Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31113/setiamengabdi.v7i1.105

Abstract

Perkembangan teknologi digital dalam beberapa tahun terakhir memberikan peluang besar bagi Usaha Mikro, Kecil, dan Menengah (UMKM) untuk meningkatkan daya saing dan memperluas jangkauan pasar. Namun, berdasarkan hasil observasi pada mitra, yaitu warga RT 07 Kelurahan Cikoko, Kecamatan Pancoran, Jakarta Selatan, masih ditemukan permasalahan berupa rendahnya literasi digital serta keterbatasan kemampuan dalam memanfaatkan teknologi untuk mendukung kegiatan usaha. Tujuan kegiatan pengabdian kepada masyarakat ini adalah meningkatkan literasi digital dan keterampilan peserta dalam membangun website UMKM sederhana menggunakan WordPress sebagai media promosi digital. Metode yang digunakan meliputi penyampaian materi, demonstrasi, praktik langsung pembuatan website, serta pendampingan peserta selama pelatihan. Hasil kegiatan menunjukkan bahwa peserta memperoleh peningkatan pemahaman mengenai pemanfaatan website untuk pengembangan usaha serta mampu membuat website sederhana yang memuat profil usaha, informasi produk, galeri, dan kontak usaha. Selain itu, mayoritas peserta memberikan respons positif terhadap pelaksanaan kegiatan dan menyatakan bahwa pelatihan mampu membantu menyelesaikan permasalahan yang dihadapi terkait pemanfaatan teknologi digital. Kegiatan ini memberikan kontribusi dalam meningkatkan kesiapan digital pelaku UMKM sehingga dapat mendukung perluasan pasar dan peningkatan daya saing usaha.
Peningkatan Kinerja dengan Pembuatan Website Terintegrasi Artificial Intelligence pada Yayasan Kopia Raya Insani: Improving Performance by Creating an Integrated Artificial Intelligence Website at the Kopia Raya Insani Foundation Ridwansyah Ridwansyah; Oky Kurniawan; Titin Prihatin; Ispandi Ispandi
Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Vol. 9 No. 2 (2025): June
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jindeks.v9i2.7523

Abstract

Transformasi digital menuntut organisasi sosial untuk mampu beradaptasi dengan perkembangan teknologi, termasuk dalam pemanfaatan kecerdasan buatan (Artificial Intelligence / AI). Kegiatan ini bertujuan untuk meningkatkan literasi digital dan keterampilan teknologi informasi mitra, khususnya dalam pembuatan website yang terintegrasi dengan teknologi AI. Mitra kegiatan adalah remaja dari Yayasan Kopia Raya Insani yang menghadapi kendala dalam pengelolaan informasi dan penyampaian identitas organisasi secara digital. Sebagai solusi, kegiatan ini menyediakan pelatihan pembuatan website yang terintegrasi AI untuk meningkatkan kemampuan mitra dalam menyampaikan informasi secara digital. Evaluasi dilakukan untuk menilai peningkatan kinerja mitra, baik dari sisi pengetahuan teknologi, keterampilan teknis, maupun efisiensi penyampaian informasi organisasi.  Metode pelaksanaan kegiatan mencakup tahapan perencanaan, pelatihan tatap muka, dan evaluasi melalui kuesioner serta pre-test dan post-test. Hasil evaluasi menunjukkan peningkatan skor rata-rata sebesar 32 poin dengan nilai N-Gain 0,68 (kategori sedang). Sebanyak 75% peserta menyatakan sangat setuju bahwa pelatihan ini meningkatkan keterampilan mereka, dan 56% peserta menunjukkan minat tinggi untuk mengikuti pelatihan serupa di masa mendatang. Kegiatan ini terbukti efektif dalam meningkatkan pengetahuan, keterampilan digital, serta minat peserta terhadap teknologi AI. Selain itu, peserta memperoleh pengalaman praktis dalam mengelola platform digital organisasi secara mandiri. Kegiatan ini memberikan kontribusi nyata dalam mendukung operasional organisasi mitra secara lebih efisien dan adaptif terhadap perkembangan teknologi, serta berpotensi menjadi model pengabdian berkelanjutan dalam penguatan kapasitas digital masyarakat.
K-Medoids Analysis Based On Health Risks And Medical Records In Health Insurance Premium Policies Ratna Apriyanti; Titin Prihatin; Maksum Maksum
International Journal of Health Engineering and Technology Vol. 5 No. 3 (2026): SEPTEMBER 2026
Publisher : CV. AFDIFAL MAJU BERKAH

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55227/ijhet.v5i3.1206

Abstract

This study is motivated by the need to group policyholders based on health risk levels and medical records to inform the formulation of health insurance premium policies. The methodology employs the K-Medoids algorithm combined with Gower Distance to process a mix of numerical and categorical variables, while the Silhouette Score is used to determine the optimal number of clusters. The dataset comprises 7,500 policyholders, with variables representing health risks and medical history specifically BMI, smoking status, physical activity level, alcohol consumption, chronic diseases, annual doctor visits, and a history of hospitalization in the previous year. The study yielded a Silhouette Score of 0.093783 (for k=3), indicating the data is best divided into three clusters. The analysis identified three distinct health risk and medical record groups: Cluster 2 (low risk), containing 3,431 policyholders with the lowest medical costs, chronic disease counts, and healthcare service utilization; Cluster 0 (medium risk), containing 1,975 policyholders characterized by the presence of chronic diseases leading to increased healthcare utilization despite having a normal BMI; and Cluster 1 (high risk), containing 2,094 policyholders with obese BMIs, the highest number of chronic diseases, and the highest medical costs, thereby presenting a higher potential risk for claims. The findings demonstrate that clustering using K-Medoids with Gower Distance can support the development of more proportional, risk-based health insurance premium policies.
Evaluating the Sensitivity–Specificity Trade-off in Risk Factor-Based Cervical Cancer Classification Using SMOTE and ACO-Optimized XGBoost Titin Prihatin; Suharjanti Suharjanti; Resti Lia Andharsaputri; Hafis Nurdin
Sinkron : jurnal dan penelitian teknik informatika Vol. 10 No. 4 (2026): Research Articles October 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v10i4.16797

Abstract

Class imbalance is a major challenge in risk factor-based cervical cancer classification because positive cases are substantially less frequent than negative cases. This study aims to evaluate the effects of the Synthetic Minority Over-sampling Technique (SMOTE) and Ant Colony Optimization (ACO) on XGBoost performance and to investigate the trade-off between sensitivity, specificity, and overall discriminative ability. The Cervical Cancer (Risk Factors) dataset from the UCI Machine Learning Repository, containing 858 observations, was used with Biopsy as the binary classification target, comprising 803 negative and 55 positive cases. A total of 28 risk-factor features were retained after excluding diagnostic attributes with potential data leakage. Three classification scenarios were evaluated: XGBoost, SMOTE-XGBoost, and SMOTE-ACO-XGBoost. Model performance was assessed using Nested Repeated Stratified Cross-Validation, consisting of an outer 5-fold cross-validation repeated five times and an inner 3-fold cross-validation for hyperparameter and decision-threshold optimization. The results showed that SMOTE-XGBoost achieved the highest recall of 0.4182 ± 0.3340, whereas SMOTE-ACO-XGBoost obtained the highest accuracy of 0.7667 ± 0.1698 and specificity of 0.8042 ± 0.1950. Baseline XGBoost achieved the highest ROC-AUC and PR-AUC values of 0.6227 ± 0.0663 and 0.1290 ± 0.0739, respectively. The Friedman test indicated significant differences among the models across all evaluation metrics. Pairwise Wilcoxon signed-rank tests with Holm correction showed that ACO significantly improved accuracy and specificity compared with SMOTE-XGBoost but significantly reduced recall from 0.4182 to 0.2182. These findings demonstrate that class-imbalance handling and hyperparameter optimization do not produce a single model that consistently dominates all performance measures. SMOTE tends to improve sensitivity, whereas ACO optimization shifts the classifier toward higher accuracy and specificity at the cost of reduced sensitivity.
Peningkatan Kinerja dengan Pembuatan Website Terintegrasi Artificial Intelligence pada Yayasan Kopia Raya Insani: Improving Performance by Creating an Integrated Artificial Intelligence Website at the Kopia Raya Insani Foundation Ridwansyah Ridwansyah; Oky Kurniawan; Titin Prihatin; Ispandi Ispandi
Jurnal Pengabdian pada Masyarakat Ilmu Pengetahuan dan Teknologi Terintegrasi Vol. 9 No. 2 (2025): June
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jindeks.v9i2.7523

Abstract

Transformasi digital menuntut organisasi sosial untuk mampu beradaptasi dengan perkembangan teknologi, termasuk dalam pemanfaatan kecerdasan buatan (Artificial Intelligence / AI). Kegiatan ini bertujuan untuk meningkatkan literasi digital dan keterampilan teknologi informasi mitra, khususnya dalam pembuatan website yang terintegrasi dengan teknologi AI. Mitra kegiatan adalah remaja dari Yayasan Kopia Raya Insani yang menghadapi kendala dalam pengelolaan informasi dan penyampaian identitas organisasi secara digital. Sebagai solusi, kegiatan ini menyediakan pelatihan pembuatan website yang terintegrasi AI untuk meningkatkan kemampuan mitra dalam menyampaikan informasi secara digital. Evaluasi dilakukan untuk menilai peningkatan kinerja mitra, baik dari sisi pengetahuan teknologi, keterampilan teknis, maupun efisiensi penyampaian informasi organisasi.  Metode pelaksanaan kegiatan mencakup tahapan perencanaan, pelatihan tatap muka, dan evaluasi melalui kuesioner serta pre-test dan post-test. Hasil evaluasi menunjukkan peningkatan skor rata-rata sebesar 32 poin dengan nilai N-Gain 0,68 (kategori sedang). Sebanyak 75% peserta menyatakan sangat setuju bahwa pelatihan ini meningkatkan keterampilan mereka, dan 56% peserta menunjukkan minat tinggi untuk mengikuti pelatihan serupa di masa mendatang. Kegiatan ini terbukti efektif dalam meningkatkan pengetahuan, keterampilan digital, serta minat peserta terhadap teknologi AI. Selain itu, peserta memperoleh pengalaman praktis dalam mengelola platform digital organisasi secara mandiri. Kegiatan ini memberikan kontribusi nyata dalam mendukung operasional organisasi mitra secara lebih efisien dan adaptif terhadap perkembangan teknologi, serta berpotensi menjadi model pengabdian berkelanjutan dalam penguatan kapasitas digital masyarakat.