Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Zero : Jurnal Sains, Matematika, dan Terapan Jurnal Teknologi dan Informasi
Nicholas Abisha
IPB University
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Mathematics Physics

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

Found 2 Documents
Search

 1 
Modeling Monthly Rainfall Data Using the Alpha Power Transformed X-Lindley Distribution in the Toba Lake Region Mohamad Khoirun Najib; Sri Nurdiati; Elis Khatizah; Aulia Rizki Firdawanti; Hendri Irwandi; Mirza Farhan Azhari; David Vijanarco Martal; Nicholas Abisha
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 3 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i3.25692

Abstract

Modeling rainfall is crucial for hydrological studies and climate adaptation, especially in regions with complex topography such as the Toba Lake area, North Sumatra. Classical probability distributions often struggle to represent skewness, heavy tails, and variability observed in tropical rainfall. This study explores APTXL distribution as a flexible two-parameter model. Through the alpha power transformation, APTXL extends the X-Lindley distribution by introducing an additional shape parameter, allowing better accommodation of asymmetrical and extreme values while maintaining analytical tractability. Statistical properties are derived, and parameters are estimated using maximum likelihood. The model is applied to a long-term dataset from 13 meteorological stations, covering 408 monthly observations per station. Comparative analysis against Gamma, Lognormal, and Generalized Extreme Value distributions using multiple goodness-of-fit criteria indicates that APTXL provides consistently improved performance. These results suggest APTXL as a practical tool for rainfall modeling and water-resource applications in climate-sensitive regions.
Implementasi Artificial Neural Network (ANN) untuk Memprediksi Risiko Penyakit Stroke Bintang Nauli Mariana; Septiana Isna Dian Noor; Haifa Hanadia; Marisa Adelia; Nova Belinda; Mardiana Tri Sukmaningrum; Elis Khatizah; Mohamad Khoirun Najib; Nicholas Abisha
Jurnal Teknologi dan Informasi (JATI) Vol 16 No 2 (2026): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v16i2.19224

Abstract

Stroke merupakan salah satu penyebab utama kematian dan kecacatan dengan prevalensi yang terus meningkat, sementara deteksi dini masih menjadi tantangan akibat keterbatasan sistem prediktif yang akurat. Penelitian ini dilakukan untuk mengembangkan model prediksi risiko stroke menggunakan Artificial Neural Network (ANN) berbasis data klinis dan demografis, sekaligus meningkatkan interpretabilitas melalui analisis SHAP (Shapley Additive exPlanations). Dataset yang digunakan merupakan data publik Stroke Prediction yang terdiri dari 5.110 data pasien dengan 11 variabel prediktor dan satu variabel target. Tahapan penelitian meliputi eksplorasi data, pra-pemrosesan berupa imputasi nilai hilang, label encoding, normalisasi fitur, serta penanganan ketidakseimbangan kelas menggunakan Synthetic Minority Oversampling Technique (SMOTE). Model ANN dibangun menggunakan arsitektur Multi-Layer Perceptron dengan dua lapisan tersembunyi dan dilatih menggunakan Adam optimizer serta fungsi kerugian binary cross-entropy. Hasil evaluasi menunjukkan kemampuan prediksi yang cukup tinggi, dengan nilai akurasi sebesar 92,73%, presisi 0,90, recall 0,96, specificity 0,89, F1-score 0,93, dan AUC 0,928. Analisis SHAP mengidentifikasi usia, BMI, tipe pekerjaan, kebiasaan merokok, dan kadar glukosa rata-rata sebagai fitur paling berpengaruh, menegaskan bahwa model tidak hanya akurat tetapi juga interpretatif. Metode ini berpotensi digunakan sebagai alat skrining dini risiko stroke berbasis sistem pendukung keputusan.
Co-Authors Aulia Rizki Firdawanti Bintang Nauli Mariana David Vijanarco Martal Haifa Hanadia Hendri Irwandi Khatizah, Elis Mardiana Tri Sukmaningrum Marisa Adelia Mirza Farhan Azhari Najib, Mohamad Khoirun Nova Belinda Septiana Isna Dian Noor Sri Nurdiati