Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Informatika Polinema (JIP)
Riva Arsyad Farissa
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient di Puskesmas Karangsambung Riva Arsyad Farissa; Rini Mayasari; Yuyun Umaidah
Journal of Applied Informatics and Computing Vol 5 No 2 (2021): December 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i1.3237

Abstract

Puskesmas merupakan unit pelaksana fungsional yang berperan sebagai pusat pembangunan kesehatan, pusat partisipasi masyarakat bidang kesehatan dan pusat pelayanan kesehatan primer. Masalah yang dialami puskesmas ini adalah perecanaan kebutuhan obat yang tidak efektif dan efisien. Penggunaan data mining ini dapat mengendalikan stok obat agar tidak terjadi penumpukan stok serta kehabisan stok obat. Clustering adalah teknik pengelompokan record dalam database berdasarkan kondisi tertentu. Metode yang akan digunakan untuk clustering data obat-obatan adalah algoritma K-Means dan K-Medoids yang merupakan metode clustering non hirarki yang mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama akan dikelompokkan ke dalam cluster yang sama. Tujuan dari penelitian ini adalah untuk mengelompokkan data obat-obatan di Puskesmas Karangsambung yang dapat digunakan sebagai referensi untuk perencanaan obat yang akan datang di puskesmas tersebut. Pengelompokkan data dibagi menjadi tiga yaitu lambat, sedang dan cepat. Hasil yang didapatkan yaitu kedua algoritma tersebut menunjukan bahwa algoritma K-Means mendapatkan hasil Silhouette Coefficient lebih tinggi yaitu sebesar 0,627 sedangkan K-Medoids sebesar 0,536.
Klasifikasi Penentuan Jenis Obat Menggunakan Algoritma Decision Tree Rika Nursyahfitri; Alfanda Novebrian Maharadja; Riva Arsyad Farissa; Yuyun Umaidah
Jurnal Informatika Polinema Vol. 7 No. 3 (2021): Vol 7 No 3 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i3.629

Abstract

Data Mining merupakan suatu proses untuk mengidentifikasi informasi dan pengetahuan yang bermanfaat. Klasifikasi merupakan salah satu teknik data mining yang dapat digunakan untuk prediksi, dimana nilai yang diprediksi berupa label. Klasifikasi penentuan jenis obat bertujuan untuk memprediksi jenis obat yang tepat untuk pasien dengan menganalisis dataset yang telah diperoleh. Data yang digunakan pada penelitian ini adalah data hasil catatan medis pasien berdasarkan gejala penyakit yang diderita namun belum diketahui jenis obatnya. Dataset yang digunakan merupakan data sekunder, yang berasal dari kaggle.com. Data terdiri dari 200 record dengan 6 variabel (Usia, Jenis Kelamin, Tingkat Tekanan Darah, Tingkat Kolesterol, Na to K dan Jenis Obat) dimana 5 variabel sebagai predictor dan 1 variabel sebagai class target. Data kemudian dipresentasikan kedalam bentuk pohon keputusan dengan suatu model matematis menggunakan bahasa pemograman R. Untuk menyelesaikan permasalahan, maka digunakan sebuah metode klasifikasi dalam data mining yaitu decision tree C4.5. Algoritma C4.5 digunakan untuk menemukan hubungan antara calon sejumlah variabel, sehingga menjadi sebuah variabel target klasifikasi dengan pembagian data menjadi 2 yaitu 70% data training dan 30% data testing. Hasil pengujian yang diperoleh pada penelitian ini berupa aturan dan tingkat nilai accuracy sebesar 100%, sehingga dapat dsimpulkan kinerja algoritma C4.5 dinilai sangat baik dalam memprediksi jenis obat.
Co-Authors Alfanda Novebrian Maharadja Rika Nursyahfitri Rini Mayasari Yuyun Umaidah