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: One of the main health problems in children is stunting which is one of the concerns in the Sustainable Development Goals (SDGs). Specifically in Indonesia, the prevalence of stunting in 2024 is 21.6%. This figure…
ure is still relatively high, because the target prevalence of stunting is 14%. This study aims to implement machine learning knowledge through the Classification And Regression Trees (CART) algorithm based on Ant Be Colony (ABC) feature selection which aims to determine the increase in accuracy in analyzing stunting datasets. The data used comes from Kaggle which consists of 16500 datasets. The dataset consists of gender, age, birth length, birth weight, body length, body weight, breastfeeding and stunting status. The research methods used are data collection, data preprocessing, classification, and evaluation using K-fold cross validation. The results obtained in this research are the implementation of the CART algorithm obtained a value of 89.86% and the results of CART with Ant Be Colony (ABC) feature selection, which obtained an accuracy value of 93.65%. This shows that there is an increase in the accuracy value in the use of CART algorithm optimization and Ant Be Colony (ABC) feature selection by 3.76%. With the research results that have been obtained, it can be categorized as excellent accuracy value excellent. It is hoped that further research can be carried out by adding other classification algorithms or adding feature selection.
Keywords: classification; feature selection; optimazation; stunting
Abstrak: Salah satu masalah kesehatan utama pada anak adalah stunting yang menjadi salah satu perhatian dalam Sustainable Development Goals (SDGs). Khusus di Indonesia angka Pravelensi stunting pada tahun 2024 di angka 21.6%. Angka ini masih tergolong tinggi, karena target angka pravelensi stunting ialah 14%. Penelitian ini bertujuan untuk mengimplementasikan pengetahuan machine learning melalui algoritma Classification And Regression Trees (CART) berbasis seleksi fitur Ant Be Colony (ABC) yang bertujuan untuk mengetahui peningkatan akurasi dalam menganalisis dataset stunting. Data yang digunakan bersumber dari Kaggle yang terdiri dari 16500 dataset. Dataset terdiri dari jenis kelamin, usia, panjang lahir, berat lahir, panjangg badan, berat badan, menyusui dan status stunting. Metode penelitian yang digunakan adalah pengumpulan data, preprocessing data, klasifikasi, dan evaluasi menggunakan K-fold cross validation. Hasil yang diperoleh pada penelitian ini adalah Implementasi algoritma CART memperoleh nilai sebesar 89,86% dan hasil seleksi fitur CART dengan Ant Be Colony (ABC) memperoleh nilai akurasi sebesar 93,65%. Hal ini menunjukkan adanya peningkatan nilai akurasi pada penggunaan optimasi algoritma CART dan pemilihan fitur Ant Be Colony (ABC) sebesar 3,76%. Dengan hasil penelitian yang telah diperoleh dapat dikategorikan nilai akurasi yang diperoleh sangat baik. Diharapkan dapat dilakukan penelitian selanjutnya dengan menambahkan algoritma klasifikasi lain atau menambahkan seleksi fitur.
Kata kunci: klasifikasi; optimalisasi; seleksi fitur; stunting
Abstract:Abstract: One of the keys to the success of a company or agency in achieving certain goals is the workforce. However, finding the ideal partner that suits the needs of the organization or agency is difficult. Therefore,…
the selection of suitable potential partners is very important in order to be able to recruit partners who are competent in their fields and meet the company's expectations and meet all stages carried out by the organization. The Preference Selection Index method is the method used in selecting employees. The option that returns the highest Preference Index value after all criteria and alternatives have been calculated is the best option, or options selected. Based on research findings, Andreyanto Wijaya's alternative is the best alternative to be chosen as the company's partner with the highest score, which is 0.95346.
Keywords: decision support system; PSI; recruitment; partner
Abstrak: Salah satu kunci keberhasilan suatu perusahaan atau instansi dalam mencapai tujuan tertentu adalah tenaga kerjanya. Namun, menemukan Mitra ideal yang sesuai dengan kebutuhan organisasi atau instansi memang sulit. Oleh karena itu, pemilihan calon Mitra yang sesuai sangatlah penting agar dapat merekrut mitra yang berkompeten di bidangnya dan memenuhi harapan perusahaan serta memenuhi seluruh tahapan yang dilakukan oleh organisasi. Metode Preference Selection Index adalah metode yang digunakan dalam menseleksi pegawai. Pilihan yang menghasilkan nilai Indeks Preferensi tertinggi setelah semua kriteria dan alternatif dihitung adalah pilihan terbaik, atau pilihan yang terpilih. Berdasarkan temuan penelitian, alternatif Andreyanto Wijaya merupakan alternatif terbaik untuk dipilih menjadi mitra untuk perusahaan dengan skor tertinggi yaitu 0,95346.
Kata Kunci : sistem pendukung keputusan; PSI; rekrutmen; mitra
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: Some people in Sei Silau Timur Village in Buntu Pane, Kisaran, have low incomes with the existence of a government policy in the food management program that cooperates with Bulog to ease the burden on the community…
unity by distributing Raskin to villages where people have low incomes. And not all people get the chance to receive RASKIN because the quota is limited. There needs to be a selection in determining the eligibility of RASKIN for the right people and avoiding mistakes. The selection process can be completed using the application of computer science. Based on this, a decision support system is needed that can be used by the Sei Silau Timur village head's office staff in distributing RASKIN rice, which later this application can help and benefit the village community. This research uses the AHP method, which is carried out by comparing a matrix of several criteria and alternatives. The final assessment result is implementing the AHP method, where criterion 4, namely Total Income, is selected, with Alternative 1 named Selamet.
Keywords: AHP; public; RASKIN; selection; SPK
Abstrak : Sebagian dari masyarakat di Desa Sei Silau Timur di kecamatan Buntu Pane, Kisaran mempunyai penghasilan yang rendah. Dengan adanya kebijakan pemerintah dalam program penanggulangan pangan yang bekerja sama dengan pihak Bulog untuk meringankan beban masyarakat dengan menyalurkan raskin ke desa-desa yang masyarakatnya berpenghasilan yang rendah. Dan tidak semua masyarakat mendapatkan kesempatan penerimaan RASKIN karena kuotanya terbatas. Perlu dilakukan dengan seleksi dalam penentuan pemberian kelayakan RASKIN kepada orang-orang yang tepat dan menghindari kekeliruan. Proses seleksi tersebut dapat diselesaikan dengan menggunakan penerapan secara ilmu komputer. Bedasarkan hal tersebut maka diperlukan suatu sistem pendukung keputusan yang dapat dipergunakan oleh petugas kantor Kepala Desa Sei Silau Timur dalam proses pembagian beras RASKIN, yang nantinya aplikasi ini dapat membantu dan bermanfaat bagi masyarakat desa tersebut. Penelitian ini menggunakan metode AHP, dimana metode yang dilakukan dengan membandingkan matriks sejumlah kriteria dan alternatif. Hasil penilaian akhir yang terpilih merupakan implementasi dari metode AHP, dimana yang terpilih adalah kriteria 4 yaitu Jumlah Penghasilan dengan alternatif 1 bernama Selamet.
Kata Kunci: AHP; masyarakat; RASKIN; seleksi; SPK
Abstract:Abstract: Weighted Product (WP) Methodology Implementation System for Employee Recruitment at PT. Web-Based XYZ conducted research on decision support systems with a website platform for PT. XYZ. The data collection method…
od was carried out for research using the literature study method from existing theories, interviews, several discussions as well as questions and observations at research sites. Using the Weighted Product (WP) Methodology aims to provide a solution to the problems that exist at PT. XYZ, for the basis of a computational assessment. PT assistant system. XYZ to conduct elections in determining employees who are selected from the best of all existing candidates. As well as the selection presented in the system. Research shows that this website system can make it easier for PT. XYZ to make selections in choosing prospective employees with specifications with the help of the Weighted Product (WP) methodology. So it can be said that the values and results that can be displayed still provide eligibility and suitability of the system that can be applied the same as the manual system that runs for the selection of new PT employees. XYZ.
Keywords: Methodology Weighted Product; SPK; Website; Warehouse
Abstrak: Sistem Penerapan Metodologi Weighted Product (WP) Untuk Penerimaan Karyawan di PT. XYZ Berbasis Web melakukan riset tentang sistem pendukung keputusan dengan platform website untuk PT. XYZ. Metode pengambilan data-data dikerjakan untuk riset me-manfaatkan metode studi pustaka dari teori-teori yang ada, wawancara beberapa diskusi serta pertanyaan dan observasi ke tempat riset. Menggunakan Metodologi Weighted Product (WP) bertujuan agar memberikan solusi dari masalah yang ada pada pada PT. XYZ, untuk dasar penilaian secara perhitungan. Sistem pembantu PT. XYZ agar melakukan pemilihan dalam menentukan karyawan yang terpilih dari yang terbaik dari semua kandi-dat yang ada. Serta penseleksian disajikan dalam sistem. Pada riset menampilkan kalua sistem website ini bisa memudahkan PT. XYZ untuk melakukan pemilihan dalam memilih calon karyawan dengan spesifikasi oleh bantuan metodologi Weighted Product (WP). Jadi bisa dikatakan kalau nilai dan hasil dapat ditampilkan masih memberikan kelayakan serta kecocokan sistem dapat diterapkan sama seperti manual sistem yang berjalan untuk seleksi karyawan baru PT. XYZ.
Kata kunci: Metodologi Weighted Product; SPK; Website; Warehouse
Abstract:Abstract: Paskibra selection is an annual agenda held by schools, district disporas, provincial disporas, and the Ministry of Youth and Youth. This activity aim select the best students who will serve as flag raisers at…
independence commemoration ceremonies and other holidays. Paskibra participants have to choose. This reliable, formidable and attractive students are choosen. So the flag raising can be carried out solemnly and well. This school has a large number of students. Paskibra extracurricular enthusiasts also have many enthusiasts. This school Paskibra is a favourite extracurricular and quite prestigious among students. The selection of Paskibra has been running so well, but the decisions taken are sometimes not by the standards procedures. Therefore, a system that will be a reference for objective decision-making need to created . The decision-making system using the data mining algorithm C4.5. This study aim to create a system that makes it easier for the selection committee to select eligible Paskibra members. The method used is a qualitative method in the form of the results of interviews with data from participants in the last three years of the Pakskibra selection. As a result, there are three main criteria and five rules of the selection system.
Keywords: C4.5 algorithm; data mining; paskibra
Abstrak: Seleksi paskibra merupakan agenda tahunan yang diadakan oleh sekolah, dispora kabupaten, dispora provinsi, dan kemenpora untuk memilih siswa-siswi terbaik yang akan bertugas sebagai pengibar bendera pada upacara peringatan kemerdekaan dan hari-hari besar lainnya. Peserta paskibra perlu diseleksi agar terpilih siswa-siswi yang handal, tangguh dan menarik sehingga pengiabaran bendera dapat dilaksanakan dengan khidmad dan baik. Sekolah ini adalah salah satu sekolah menengah atas yang menjadi favorit para lulusan SMP. Oleh karena itu sekolah ini mempunyai siswa yang sangat banyak. Dengan banyaknya siswa yang masuk, maka peminat ekskul paskibra juga memiliki peminat yang banyak, selain itu di sekolah ini paskibra merupakan ekskul favorit dan cukup bergengsi di kalangan siswa. Seleksi paskibra yang berjalan selama ini sudah dilakukan dengan baik, akan tetapi keputusan yang diambil terkadang tidak sesuai dengan standar yang telah ditetapkan. Oleh karena itu perlu dibuatkan sebuah sistem yang akan menjadi acuan untuk pengambilan keputusan yang objektif. Sistem pengambilan keputusan akan dibuat menggunakan data mining algoritma C4.5. Tujuan dari penelitian ini adalah membuat sebuah sistem yang memudahkan panitia penyeleksi untuk memilih anggota paskibra yang layak. Metode yang digunakan adalah metode kualitatif berupa hasil wawancara data peserta seleksi pakskibra tiga tahun terakhir. Hasilnya berupa tiga kriteria utama dan lima aturan sistem seleksi.
Kata kunci: Algoritma C4.; data mining; paskibra;
Abstract:Abstract: Superior students represent active and intelligent students who are able to make a direct contribution to the development of the nation. To produce excellent students, one of the efforts that can be made is to…
foster these superior students from the start by forming a superior class. In forming a superior class, an effective selection process is needed to select students who are truly superior. This research was conducted at STMIK Royal Kisaran where the object of research was prospective new students for the superior class and the related party was the Academic and Student Administration Bureau (BAAK) because the party was directly involved in selecting prospective new students for the superior class. But the problem is, BAAK does not yet have an election process based on a method and there is no information system for selecting prospective new students for superior classes. The purpose of this study is to make predictions related to the selection of prospective new students for superior classes in the future with the Naïve Bayes Algorithm and implemented in an information system.The results of this research are that the Naïve Bayes algorithm produces an accuracy rate of 60% in the good classification category which is measured by the level of accuracy using the confusion matrix, so that the information system produced in this study also has efficient prediction results and is expected to help BAAK.
Keywords: data mining; naïve bayes; superior student class.
Abstrak: Mahasiswa unggulan merupakan representasi dari mahasiswa aktif dan cerdas yang mampu memberikan kontribusi langsung terhadap perkembangan bangsa. Untuk menghasilkan mahasiswa yang benar unggul salah satu upaya yang dapat dilakukan adalah dengan membina mahasiswa unggulan tersebut sejak awal dengan membentuk kelas unggulan. Dalam membentuk kelas unggulan dibutuhkan proses seleksi yang benar efektif untuk memilih mahasiswa yang benar unggul. Penelitian ini dilakukan di STMIK Royal Kisaran dimana objek penelitian merupakan calon mahasiswa baru untuk kelas unggulan dan pihak yang terkait adalah Biro Administrasi Akademik dan Kemahasiswaan (BAAK) karena pihak tersebut terlibat langsung dalam pemilihan calon mahasiswa baru untuk kelas unggulan. Namun permasalahannya, pihak BAAK belum memiliki sebuah proses pemilihan berdasarkan metode dan belum adanya sistem informasi pemilihan calon mahasiswa baru kelas unggulan. Tujuan dari penelitian ini adalah melakukan prediksi terkait pemilihan calon mahasiswa baru kelas unggulan di masa mendatang dengan Algoritma Naïve Bayes dan diimplementasikan dalam sebuah sistem informasi. Hasil penelitian ini algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 60% dengan kategori good classification yang diukur tingkat akurasinya dengan menggunakan confusion matrix, sehingga sistem informasi yang dihasilkan dalam penelitian ini juga memiliki hasil prediksi yang efisien dan diharapkan dapat membantu pihak BAAK.
Kata Kunci: data mining; mahasiswa kelas unggulan; naïve bayes.
Abstract:Abstract: The number of applicants for scholarship recipients is many, so in the registration process, the scholarship provider provides several requirements that students must meet, and these requirements have criteria…
with different weight values. The number of applicants for the scholarship recipients is enormous; a Decision Support System (DSS) is needed to help the selection process be more accessible and faster and reduce errors in determining scholarship recipients. The data collection method uses interviews, observations, and literature with the waterfall's system development method. The calculation of the criteria used in developing this system is the Simple Additive Weighting (SAW) method. Comparing the final results between manual and system analyses shows that the equation is close to 100%. Still, the final results may be different because manual calculations use raw values, while system calculations use the Simple Additive Weighting (SAW) method, which compares alternatives.
.
Keywords: decision support system; scholarship; simple additive weighting
Abstrak: Pendaftar calon penerima beasiswa tidak sedikit jumlahnya, sehingga pada proses pendaftaran pihak pemberi beasiswa memberikan sejumlah persyaratan yang harus dipenuhi oleh siswa, dan persyaratan tersebut memiliki kriteria dengan nilai bobot yang berbeda-beda. Jumlah siswa yang mengajukan beasiswa sangat banyak, dan memerlukan sistem pendukung keputusan untuk mempermudah dan mempercepat proses seleksi serta mengurangi kesalahan dalam menentukan penerima beasiswa. Metode dalam mengumpulkan data menggunakan metode wawancara, observasi, dan literatur dengan metode pengembangan sistem menggunakan waterfall. perhitungan kriteria yang digunakan dalam pengembangan sistem ini adalah metode SAW (Simple Additive Weighting). Perbandingan hasil akhir antara perhitungan manual dan sistem menunjukkan persamaan mendekati 100%, namun hasil akhir bisa saja berbeda karena perhitungan manual menggunakan nilai mentah, sedangkan perhitungan sistem menggunakan metode SAW (Simple Additive Weighting) yang perhitungan dengan cara membandingkan alternatif.
Kata kunci: beasiswa; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: Education as an important aspect, in improving the quality of education needs to be done innovatively. Learning Models are examples of student learning patterns or structures that are designed, implemented, and…
systematically evaluated by teachers in order to achieve learning objectives. The Industrial Revolution 4.0 currently has an influence in various fields, one of which is the world of education, with IoT presenting an industrial revolution in the world of education in finding ways to implement learning systems so that they are not outdated. STMIK Royal is one of the computer high schools in Kisaran that wants to develop a better learning model for its students. In choosing the development of learning models requires a decision support system method in choosing the best using the AHP method. This method can analyze a number of criteria and alternatives in choosing the best learning model development which is determined through the calculation process. This model is easier and more effective to produce the best. The AHP method is able to produce the selection of learning model development with several selection criteria and influential alternative choices. The result of the highest ranking is a priority on criteria and alternatives in achieving the goal of choosing a learning model at STMIK Royal Kisaran.
Keywords: alternative; analytical hierarchy process; criteria, development; learning models
Abstrak: Pendidikan sebagai aspek penting, dalam peningkatan mutu pendidikan perlu dilakukan secara inovatif. Model Pembelajaran adalah contoh pola atau struktur belajar siswa yang dirancang, dilaksanakan, dan dievaluasi secara sistematis oleh guru dalam rangka mencapai tujuan pembelajaran. Revolusi Industri 4.0 saat ini telah memberikan pengaruh di berbagai bidang salah satunya dunia pendidikan, dengan IoT menghadirkan revolusi industri di dunia pendidikan dalam mencari jalan mengimplementasikan sistem pembelajaran agar tidak ketinggalan zaman. STMIK Royal merupakan salah satu sekolah tinggi komputer di Kisaran yang ingin mengembangkan model pembelajaran yang lebih baik bagi mahasiswanya. Dalam memilih pengembangan model pembelajaran memerlukan metode sistem pendukung keputusan dalam memilih yang terbaik menggunakan metode AHP. Metode ini dapat menganalisis sejumlah kriteria dan alternatif dalam memilih pengembangan model pembelajaran terbaik yang ditentukan melalui proses perhitungan. Model ini lebih mudah dan efektif untuk menghasilkan yang terbaik. Metode AHP mampu menghasilkan pemilihan pengembangan model pembelajaran dengan beberapa kriteria seleksi dan alternatif pilihan yang berpengaruh. Hasil perangkingan tertinggi merupakan prioritas pada kriteria dan alternatif dalam pencapaian tujuan memilih model pembelajaran di STMIK Royal Kisaran.
Kata kunci: alternatif; analytical hierarchy process; kriteria; pengembangan; model pembelajaran