cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 403 Documents
 37   38   39   40   41 
Klasifikasi Penyakit Jantung Berbasis Data Rekam Medis Menggunakan Algoritma Local Mean K-Nearest Neighbor Putri, Alayda Zaielamy; Daud, Muhammad; Aidilof, Hafizh Al Kautsar
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.134-143

Abstract

Penyakit jantung merupakan penyebab kematian utama di dunia dengan diagnosis dini yang penting namun sering terkendala akurasi interpretasi data rekam medis kompleks. Algoritma klasifikasi tradisional seperti K-NN memiliki kelemahan dalam menangani noise dan outliers dalam data medis. Penelitian ini bertujuan mengimplementasikan algoritma Local Mean K-Nearest Neighbor untuk mengklasifikasikan penyakit jantung berdasarkan data rekam medis dengan akurasi yang lebih baik. Dataset terdiri dari 403 observasi dengan 10 variabel meliputi jenis kelamin, umur, tekanan darah, heart rate, respiratory rate, hasil elektrokardiogram, kondisi nyeri dada, dan klasifikasi diagnosis. Metode Local Mean K-NN mengadaptasi konsep K-NN tradisional dengan pendekatan local mean calculation untuk mengatasi noise dan outliers. Tahapan penelitian mencakup preprocessing data, feature encoding, feature scaling, hyperparameter tuning, dan evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan algoritma Local Mean K-NN dengan nilai K optimal 11 mampu mengklasifikasikan penyakit jantung dengan accuracy 71.60%, precision 69.21%, recall 71.60%, dan F1-score 70.27%. Model menunjukkan performa sangat baik dalam mendeteksi Penyakit Jantung Koroner dengan precision 91.89% dan recall 97.14%. Analisis feature importance mengidentifikasi nyeri dada sebagai indikator terpenting (73.79%), diikuti heart rate (36.40%) dan respiratory rate (25.25%). Penelitian membuktikan efektivitas Local Mean K-NN sebagai clinical decision support tool dalam klasifikasi penyakit kardiovaskular meskipun terdapat tantangan class imbalance pada kelas minoritas.
Implementasi Random Forest Regression Untuk Prediksi Harga Saham Consumer Non-Cyclicals Berbasis Rasio Fundamental Debora, Devi; R.A.E. Virgana Targa Sapanji
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.126-133

Abstract

Prediksi harga saham merupakan aspek krusial dalam pengambilan keputusan investasi, khususnya pada sektor Consumer Non-Cyclicals yang memiliki karakteristik permintaan relatif stabil. Namun, hubungan antara rasio fundamental dan harga saham sering bersifat non-linear sehingga sulit dimodelkan menggunakan pendekatan statistik konvensional. Penelitian ini bertujuan untuk membangun model prediksi harga saham berbasis algoritma Random Forest Regression dengan mengintegrasikan rasio fundamental dan fitur turunan hasil feature engineering pada sektor Consumer Non-Cyclicals di Bursa Efek Indonesia. Penelitian menggunakan data sekunder berupa laporan keuangan dan harga saham kuartalan perusahaan sektor Consumer Non-Cyclicals periode 2022–2024. Variabel independen meliputi EPS, Book Value, DER, ROA, ROE, dan NPM, serta fitur turunan seperti PER, PBV, interaksi rasio, harga lag, dan perubahan harga. Pemodelan dilakukan menggunakan Random Forest Regression dengan pembagian data TimeSeriesSplit. Evaluasi model menggunakan MAE, RMSE, dan R², serta interpretasi model dilakukan melalui Feature Importance dan SHAP. Hasil penelitian menunjukkan bahwa model Random Forest Regression memiliki kinerja prediksi yang baik dan mampu menangkap pola non-linear antara variabel fundamental dan harga saham. Fitur Harga_Lag1, ROE, PER, dan interaksi DER_ROA menjadi variabel paling berpengaruh dalam menentukan harga saham. Model yang dikembangkan efektif sebagai alat bantu prediksi harga saham berbasis fundamental dan berpotensi mendukung pengambilan keputusan investasi yang lebih akurat dan berbasis data.
Systematic Literature Review: Optimasi Keputusan Pada Monitoring Kesehatan Hutan Menggunakan Metode Multi-Objective Optimization By Ratio Analysis (MOORA) Andrianti, Ari; Bima Alfajri, Willy; yudistira, Miranty
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 1 (2026): April 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i1.2026.113-125

Abstract

Forest health monitoring is a crucial component of sustainable forest management, particularly amid increasing pressures from deforestation, land degradation, and climate change. The complexity of forest ecosystems means that decision-making processes cannot rely on a single indicator but instead require approaches capable of simultaneously accommodating multiple biophysical, environmental, and social criteria. Therefore, Multi-Criteria Decision Making (MCDM) methods have been widely applied in decision support systems within the forestry sector. This study aims to systematically examine the application of the Multi-Objective Optimization by Ratio Analysis (MOORA) method in optimizing decision-making for forest and environmental health monitoring. The research adopts a Systematic Literature Review (SLR) methodology based on the PRISMA guidelines. The SLR process includes the formulation of research questions, literature search strategies, the establishment of inclusion and exclusion criteria, quality assessment of selected studies, and narrative synthesis of the findings. Literature searches were conducted using Google Scholar, Scopus, and OpenAlex databases, covering articles published between 2021 and 2026. The selection results indicate that the MOORA method has been extensively applied in environmental and natural resource decision support systems, particularly for alternative ranking and the determination of forest and land management priorities. Overall, MOORA is considered effective in producing objective, consistent, and easily interpretable decisions, either as a standalone method or in combination with other approaches such as AHP, ORESTE, and GIS. However, most existing studies remain case-based with limited geographical scope and have not yet developed standardized forest health indicators. These findings highlight opportunities for further research to develop more comprehensive MOORA-based forest health monitoring models to support environmental management and sustainable forest management policies.

Page 41 of 41 | Total Record : 403

 37   38   39   40   41 

Filter by Year

2015 2026


Reset
Filter By Issues
All Issue Vol 12 No 1 (2026): April 2026 Vol 11 No 3 (2025): Desember 2025 Vol 11 No 2 (2025): Agustus 2025 Vol 11 No 1 (2025): April 2025 Vol 10 No 3 (2024): Desember 2024 Vol 10 No 2 (2024): Agustus 2024 Vol 10, No 2 (2024): Agustus 2024 Vol 10, No 1 (2024): April 2024 Vol 10 No 1 (2024): April 2024 Vol 9, No 3 (2023): Desember 2023 Vol 9 No 3 (2023): Desember 2023 Vol 9 No 2 (2023): Agustus 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9 No 1 (2023): April 2023 Vol 9, No 1 (2023): April 2023 Vol 8, No 3 (2022): Desember 2022 Vol 8 No 3 (2022): Desember 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8 No 2 (2022): Agustus 2022 Vol 8, No 1 (2022): April 2022 Vol 8 No 1 (2022): April 2022 Vol 7 No 3 (2021): Desember 2021 Vol 7, No 3 (2021): Desember 2021 Vol 7, No 2 (2021): Agustus 2021 Vol 7 No 2 (2021): Agustus 2021 Vol 7, No 1 (2021): April 2021 Vol 6, No 3 (2020): Desember 2020 Vol 6, No 2 (2020): Agustus 2020 Vol 6, No 1 (2020): April 2020 Vol 5, No 3 (2019): Desember 2019 Vol 5, No 2 (2019): Agustus 2019 Vol 5, No 1 (2019): April 2019 Vol 5 No 1 (2019): April 2019 Vol 4, No 3 (2018): Desember 2018 Vol 4, No 2 (2018): Agustus 2018 Vol 4, No 1 (2018): April 2018 Vol 3, No 3 (2017): Desember 2017 Vol 3, No 2 (2017): Agustus 2017 Vol 3, No 1 (2017): April 2017 Vol 2, No 3 (2016): Desember 2016 Vol 2, No 2 (2016): Agustus 2016 Vol 2, No 1 (2016): April 2016 Vol 1, No 1 (2015): Oktober 2015 More Issue