Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Khatulistiwa Informatika
Siti Nurdiani
STMIK Nusa Mandiri
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Algoritma Klasifikasi Neural Network Untuk Diagnosis Penyakit Diabetes Jajang Jaya Purnama; Sri Rahayu; Siti Nurdiani; Tuti Haryanti; Nissa Almira Mayangky
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 5, No 1 (2020): Mei 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1030.887 KB) | DOI: 10.31294/ijcit.v5i1.6391

Abstract

Abstrak –  Diabetes merupakan penyakit yang sangat mematikan terbukti dari tahun ke tahun selalu ada yang meninggal dikarnakan pasien tersebut mengidap penyakit diabetes, banyak cara penangguhan sejak dini penyakit diabetes. Salah satunya dengan data mining klasifikasi algoritma neural network yang dapat digunakan untuk prediksi pasien mana yang terkena penyakit diabetes dan pasien mana yang tidak terkena diabetes dengan menggunakan parameter dan indikator yang ada, dan tools yang digunakan adalah tools rapid miner 9.0 yang mengahasilkan accuracy sebesar = 80.00% precision sebesar = 100.00 % dan recall sebesar = 2.50 % dengan AUC sebesar = 0.605 % yang artinya klasifikasi dinyatakan cukup, dari hasil tersebut bisa dimbil kesimpulan bahwa penelitian ini bisa mencegah dan bisa diketahui sejak dini mana yang termasuk penyakit diabetes mana yang tidak mengidap penyakit diabetes, dan dari penelitian ini sangat diharapkan angka kematian bisa berkurang.</>Katakunci: diabetes, klasifikasi, data mining, neural network.Abstract – Diabetes is a very proven disease from year to year there are always people who die, many ways to postpone early diabetes. One of them is data mining neural network algorithm classification which can be used to predict which patients are affected by diabetes and which patients are not affected by diabetes by using existing parameters and indicators, and the tools used are rapid miner 9.0 tools that produce accuracy = 80.00% precision = 100.00% and recall of = 2.50% with AUC of = 0.605% which means the classification is declared sufficient, From these results it can be concluded that this study can prevent and can be known from the outset which of the diabetics do not have diabetes, and from this study it is expected that the mortality rate can be reduced. Keywords: classification, data mining, diabetes, neural network
PREDIKSI PRESTASI AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA RANDOM FOREST DAN C4.5 Safitri Linawati; Siti Nurdiani; Kartika Handayani; Latifah Latifah
Jurnal Khatulistiwa Informatika Vol 8, No 1 (2020): Periode Juni 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v8i1.7827

Abstract

Pada tahun akademik pertama rata-rata hasil belajar mahasiswa menimbulkan berbagai masalah yang akan berdampak pada semester selanjutnya. Evaluasi keberhasilan penyelenggaraan program studi pada suatu perguruan tinggi dilihat dari hasil belajar mahasiswa.  Metode data mining mungkin bisa mengidentifikasi model yang tepat untuk memperbaiki setiap permasalahan yang timbul agar dapat ditangani oleh dosen yang bersangkutan. Tujuan penelitian ini untuk menerapkan metode data mining untuk prediksi prestasi akademik mahasiswa dengan mengeksplorasi berbagai parameter. Kami mengusulkan teknik data mining yang efisien untuk memprediksi prestasi akademik mahasiswa. Dengan teknik klasifikasi dari data mining yaitu Decision Tree C4.5 dan Random Forest. Tahap penelitian yang dilakukan adalah melakukan pre-processing pada dataset yaitu  melakukan pengkodean pada nilai atribut yang non-numerik, kemudian dilakukan pengujian cross-validation. Dan untuk membangun model prediksi prestasi akademik mahasiswa, kami melakukan proses klasifikasi menggunakan metode Decision Tree C4.5 dan Random Forest. Metode yang digunakan dalam pengujian penelitian ini yaiut Confusion Matrix yaitu suatu metode yang biasanya digunakan dalam melakukan perhitungan akurasi pada suatu data mining. Perhitungan yang dihasilkan terdiri recall, acuraccy dan precision. Hasil dari pengujian dengan model klasifikasi Decision Tree C4.5 dan Random Forest pada penelitian ini menunjukkan bahwa model klasifikasi Random Forest memiliki nilai accuracy sebesar 92.4%, precision sebesar 91.4% dan recall sebesar 92,4% lebih tinggi dibandingkan Decision Tree C4.5.
Co-Authors Jajang Jaya Purnama Kartika Handayani Latifah Latifah Mayangky, Nissa Almira Safitri Linawati Sri Rahayu Tuti Haryanti