Abstract:Abstract: Stunting is a chronic nutritional condition in toddlers characterized by a Height-for-Age (HFA) measurement below the standard growth threshold, necessitating early detection to prevent long-term consequences.…
This study aims to classify toddler stunting status by comparing three machine learning methods: Random Forest (RF), K-Nearest Neighbor (KNN), and Support Vector Machine (SVM). The dataset comprises 345 toddler records from Puskesmas Indramayu (2025), including weight, height, and nutritional status based on WFA, HFA, and WFH indicators. Preprocessing steps include data cleaning, StandardScaler normalization, One-Hot Encoding for categorical features, and splitting the training and testing data with a ratio of 80:20. The comparison results are that KNN achieved the best performance with an accuracy of 71.01%, a precision of 0.69, a recall of 0.69, and an F1 score of 0.67, while RF and SVM both had an accuracy of 69.57% with F1 scores of 0.67 and 0.68, respectively. Thus, KNN demonstrated superior effectiveness in classifying the stunting status of toddlers compared to RF and SVM on this dataset.
Keywords: KNN; Random Forest; SVM; Stunting; toddlers
Abstract: Stunting adalah kondisi gizi kronis pada balita yang ditandai dengan pengukuran Tinggi Badan menurut Usia (HFA) di bawah ambang batas pertumbuhan standar, sehingga memerlukan deteksi dini untuk mencegah konsekuensi jangka panjang. Penelitian ini bertujuan untuk mengklasfikasikan status stunting pada balita dengan membandingkan tiga metode pembelajaran mesin: Random Forest (RF), K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Kumpulan data terdiri dari 345 catatan balita dari puskesmas indramayu (2025), termaksut brat badan, tinggi badan, dan status gizi berdasarkan indicator WFA, HFA, dan WFH. Langkah-langkah prapemrosesan meliputi pembersian data, normalisasi Stand-ardScaler, One-Hot Encoding untuk fitur kategirikal, serta pembagian data pelatihan dan pengujian dengan rasio 80:20. Hasil perbadingan adalah KNN mencapai kinerja terbaik dengan akurasi 71,01%, presisi 0,69, recall 0,69, dan skor F1 sebesar 0,67, RF dan SVM keduanya memiliki akurasi 69,57% dengan skor F1 masing-masing sebesar 0,67 dan 0,68. Dengan demikian, KNN menunjukkan keefektifan yang lebih unggul dalam mengklasifikasikan status stunting balita dibandingkan dengan RF dan SVM pada da-taset ini.
Kata kunci: KNN; random forest; SVM; Stunting; Balita
Abstract:Abstract: Stroke is one of the leading causes of death and disability in various parts of the world, including in Indonesia. Along with the development of digital technology, the use of Machine Learning in the health sector…
tor is growing, one of which is in an effort to predict the occurrence of stroke. This study aims to implement the Logistic Regression algorithm in predicting the likelihood of a person having a stroke based on data from the Brain Stroke dataset. The research process includes data preprocessing (missing value handling, normalization, and label encoding), dividing the data into 80% training data and 20% test data, as well as model training. The model was then evaluated using several measures such as accuracy, precision, recall, F1-score, and ROC-AUC, as well as a confusion matrix. The results of the study showed that Logistic Regression was able to provide stroke classification results with an accuracy of 82.4%, precision of 80.1%, recall of 78.6%, F1-score of 79.3%, and a ROC-AUC value of 0.87. Then, the model is integrated into applications that use Streamlit, so it can be used interactively to predict stroke risk in new data. The results of this study show that the combination of Machine Learning and web-based applications has the potential to support efforts to detect early stroke risk.
Keywords: logistic regression; machine learning; prediction; streamlit; stroke.
Abstrak: Stroke adalah salah satu penyebab utama kematian dan kecacatan di berbagai belahan dunia, termasuk di Indonesia. Seiring perkembangan teknologi digital, penggunaan Machine Learning dalam bidang kesehatan semakin berkembang, salah satunya dalam upaya memprediksi terjadinya penyakit stroke. Penelitian ini bertujuan untuk mengimplementasikan algoritma Logistic Regression dalam memprediksi kemungkinan seseorang mengalami stroke berdasarkan data dari dataset Brain Stroke. Proses penelitian meliputi preprocessing data (penanganan missing value, normalisasi, dan label encoding), membagi data menjadi 80% data latih dan 20% data uji, serta pelatihan model. Model kemudian dievaluasi menggunakan beberapa ukuran seperti akurasi, precision, recall, F1-score, dan ROC-AUC, serta confusion matrix. Hasil penelitian menunjukkan bahwa Logistic Regression mampu memberikan hasil klasifikasi penyakit stroke dengan akurasi sebesar 82,4%, precision 80,1%, recall 78,6%, F1-score 79,3%, dan nilai ROC-AUC sebesar 0,87. Kemudian, model tersebut diintegrasikan ke dalam aplikasi yang menggunakan Streamlit, sehingga dapat digunakan secara interaktif untuk memprediksi risiko stroke pada data baru. Hasil penelitian ini menunjukkan bahwa kombinasi Machine Learning dan aplikasi berbasis web berpotensi mendukung upaya deteksi dini risiko stroke.
Kata kunci: logistic regression; machine learning; prediksi; streamlit; stroke.
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Abstract: Breast cancer is the leading cause of death for women globally, exacerbated by late detection. This study proposes a breast cancer risk prediction framework using XGBoost with SelectKBest feature selection. It…
aims to improve the accuracy and efficiency of early detection through exploratory data analysis, coding, SMOTE to address class imbalance, and feature selection (k=29). As a result, the XGBoost model achieved 98.1% accuracy, 98.1% recall, 98.1% f1-score, and 98.2% precision on test data, highlighting the importance of feature selection. These results are promising in patient prioritization (triage) for further examination, helping medical personnel identify high-risk patients, thus improving resource allocation efficiency. These findings validate SelectKBest and pave the way for the development of a machine learning-based clinical decision support system for breast cancer early detection workflows. This research contributes significantly to the application of machine learning to support early breast cancer detection.
Keywords: breast cancer; feature selection; machine learning; risk prediction; XGBOOST.
Abstrak: Kanker payudara menjadi penyebab utama kematian wanita global, diperparah deteksi yang terlambat. Penelitian ini mengusulkan kerangka prediksi risiko kanker payudara menggunakan XGBoost dengan seleksi fitur SelectKBest. Tujuannya meningkatkan akurasi dan efisiensi deteksi dini melalui analisis data eksploratif, pengkodean, SMOTE untuk mengatasi ketidakseimbangan kelas, dan seleksi fitur (k=29). Hasilnya, model XGBoost mencapai akurasi 98.1%, recall 98.1%, f1-score 98.1%, dan presisi 98.2% pada data uji, menyoroti pentingnya seleksi fitur. Hasil ini menjanjikan dalam penentuan prioritas pasien (triage) untuk pemeriksaan lebih lanjut, membantu tenaga medis mengidentifikasi pasien berisiko tinggi, sehingga meningkatkan efisiensi alokasi sumber daya. Temuan ini memvalidasi SelectKBest dan membuka jalan bagi pengembangan sistem pendukung keputusan klinis berbasis machine learning untuk alur kerja deteksi dini kanker payudara. Penelitian ini berkontribusi signifikan dalam penerapan machine learning untuk mendukung deteksi dini kanker payudara.
Kata kunci: kanker payudara; pembelajaran mesin; prediksi risiko ; seleksi fitur; XGBOOST.
Abstract:Abstract: Micro, small and medium enterprises (MSMEs), which are the main supporting of the Indonesian economy, need attention, because they can absorb labor and reduce the cost of unemployment by competing for jobs in the…
he formal sector. This research aims is to assist MSMEs Dechefdefinzs in marketing their products to prospective customers. The landing page method uses the waterfall methodology, by collecting data, analyzing data, making designs from an analyzed data, making coding, and testing the landing page and website. Developing this web-based application uses the HTML and PHP programming language with the Laravel framework which easy to apply at this time and in the long run. Creating a Dechefdefinzs landing page and website hopefuly can expand and spread widely its products in the society, such as traditional cakes, cake pans, bakery, rice menus and cookies. This website also makes it easier for customers to orders and get product information just by looking at the website without having to come to the location.
Keywords: landing page, MSMEs, waterfall, website.
Abstrak: Usaha mikro, kecil dan menengah (UMKM) yang merupakan penopang utama perekonomian Indonesia perlu mendapat perhatian, karena mereka dapat menyerap tenaga kerja dan mengurangi biaya pengangguran dengan bersaing mendapatkan pekerjaan di sektor formal. Penelitian ini bertujuan untuk membantu UMKM Dechefdefinzs dalam memasarkan produknya kepada calon konsumen. Metode yang digunaakan dalam pembuatan landing page dan website adalah metode waterall, dengan cara pengumpulan data, analisis data, pembuatan desain dari data yang dianalisis, pembuatan program, dan pengujian terhadap landing page dan website. Pengembangan aplikasi berbasis web ini menggunakan bahasa pemrograman HTML dan PHP dengan framework Laravel yang mudah diterapkan saat ini dan jangka panjang. Dengan dibuatnya landing page dan website Dechefdefinzs diharapkan dapat memperluas dan menyebarkan produk-produknya secara luas di masyarakat, seperti kue tradisional, kue loyang, roti, menu nasi dan kue kering. Website ini juga memudahkan pelanggan dalam memesan dan mendapatkan informasi produk hanya dengan melihat website tanpa harus datang ke lokasi.
Kata kunci: landing page, UMKM, waterfall, website.
Abstract:Abstract: crime mapping, namely by examining various spatial data factors that can be integrated to be able to produce a variety of information for security officers and the government in an effort to realize security in…
an area by utilizing geographic information systems by mapping, visualizing and analyzing crime incidents so that Various patterns and trends of spatial and temporal crime are generated using the main concept of cryptography, namely the encryption or encryption process where the plaintext encoding process becomes ciphertext and the decryption or description process, which is the process of returning the ciphertext to the original plaintext using the Electronic Code Book (ECB) algorithm and the ECB algorithm vigenere
Keywords: criminal patterns, geographic information systems, network system
Abstrak: pemetaan kriminalitas yaitu dengan mengkaji berbagai macam faktor data spasial yang dapat terintegrasi untuk dapat menghasilkan keanekaragaman informasi bagi aparat keamanan dan pemerintah dalam upaya mewujudkan kemanan di suatu area dengan memanfaatkan sistem informasi geografis dengan cara dilakukan memetakan, memvisualkan dan menganalisis insiden kriminalitas sehingga dihasilkan beragam pola maupun trend kriminalitas secara spasial temporal dengan menggunakan konsep utama dari kriptografi yaitu proses enkripsi atau enkription dimana proses penyandian plainteks menjadi cipherteks dan proses dekripsi atau description yaitu proses mengembalikan cipherteks menjadi plainteks semula menggunakan algoritma Elektronic Code Book (ECB) dan algoritma Vigenere.
Kata kunci: pola kriminalitas, sistem informasi geografis, sistem keamanan
Abstract:Abstract: This journal explains how to design and build an application that can perform calculations using apriori algorithm. The workflow applied in this study is a sequential workflow (waterfall method). The application…
ion built is a website-based application that can be accessed using a web browser. To make application design in this research, UML modeling is used. The model that has been designed using UML will be implemented into PHP coding which can then be run via a web browser. The supporting tools used are XAMPP which provides apache and mysql services. From the test results, it is found that the application of apriori algorithm based on this website is able to perform calculations using the a priori algorithm accurately. These results are proven by comparing the results obtained from manual calculations with the results of calculations performed by this application using a sample of the same data.
Keyword: apriori algorithm; data mining, modeling; mysql; php; uml
Abstrak: Dalam jurnal ini dijelaskan bagaimana merancang hingga membangun sebuah aplikasi yang dapat melakukan perhitungan dengan menggunakan algoritma apriori. Adapun alur kerja yang diterapkan dalam penelitian ini adalah alur kerja yang berurutan (metode waterfall). Aplikasi yang dibangun adalah aplikasi yang berbasis website yang dapat dikases menggunakan web browser. Untuk membuat perancangan aplikasi dalam penelitian ini, digunakan pemodelan UML. Model yang telah dirancang dengan menggunkan UML akan diimplementasikan kedalam koding PHP yang nantinya dapat dijalankan melalui web browser. Adapun tools pendukung yang digunakan adalah XAMPP yang menyediakan service apache dan mysql. Dari hasil pengujian didapatkan bahwa aplikasi perhitungan algoritma apriori berbasis website ini mampu melakukan perhitungan dengan menggunakan algoritma apriori secara akurat. Hasil ini dibuktikan dengan cara membandingkan hasil yang didapat dari perhitungan manual dengan hasil perhitungan yang dilakukan oleh aplikasi ini dengan menggunakan sebuah sampel data yang sama.
Kata kunci: algoritma apriori; data mining; mysql; pemodelan; php; uml
Abstract:CV Kurnia MebeI Indah is a furniture industry engaged in the production and sale of household furniture. The existing sales system is still conventional, namely consumers must come directly to the showroom. This can hinder…
er sales for potential customers who are out of town. In addition, the input of customer data, product data, and transaction data is still not stored properly and neatly because it still uses manual paper records. In this study, the authors built a web-based sales application (e-commerce) using the codeigniter framework. The method used in software development is the waterfall method, which in this method, starts from analyzing needs, system and software design, coding, testing, and program implementation. The result of this research is the implementation of a web-based sales system (e-commerce) at CV. Kurnia Mebel, can be used as a means of sales that can be accessed online anywhere and anytime, the purchase process can be done directly without having to come to the showroom, and can facilitate the storage of customer data, products, and company transactions.
Abstract:The Sarto Sapi Company is one of the providers of cattle sales services which is located in Jebol Hamlet RT 001 RW 007, Donohudan, Regency Boyolali, with sales still done manually. Objective The research is the development…
nt of a website-based online sales information system for the Sarto Sapi Company to facilitate access for customers who want to shop online without having to come directly to the Sarto Sapi Company. The website developed is a means of selling cattle as well as a means of conveying information to the public. The method used in developing a website-based online sales information system at the Sarto Sapi Company is the Waterfall method. The Waterfall method is used to determine system requirements, the next step is the analysis, design, coding, testing and maintenance stages. Development of a Website-Based Online Sales Information System at the Sarto Sapi Company, researchers used notepad++ software, sublime text, the PHP programming language, and MySQLi database. Results of research on developing a website-based online sales information system at the Sarto Sapi company, online sales website. National Journal Research Output
Abstract:Penelitian ini bertujuan mengidentifikasi pola pengelompokan komponen perakitan komputer menggunakan metode K-Means Clustering. Dataset yang digunakan mencakup CPU, motherboard, RAM, GPU, PSU, dan casing. Proses penelitian…
an meliputi eksplorasi data, pembersihan data, imputasi nilai hilang, encoding kategorikal, normalisasi, serta rekayasa fitur seperti total TDP dan rasio daya PSU. Hasil clustering menunjukkan pembentukan empat kelompok utama, yaitu komponen low-end, mid-range, high-end, dan cluster RAM yang berdiri sendiri. Temuan ini membuktikan bahwa K-Means efektif dalam memetakan karakteristik hardware dan dapat digunakan sebagai dasar sistem rekomendasi perakitan PC.