Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Penentuan kelas siswa di SMK merupakan proses penting yang dapat mempengaruhi keberhasilan belajar siswa dan karir di masa sebelumnya. Proses ini sering kali membutuhkan pertimbangan berbagai faktor akademik, seperti nilai…
ai mata pelajaran utama. Penelitian ini menggunakan algoritma K-Nearest Neighbors (KNN) untuk membantu mengklasifikasikan siswa ke mata pelajaran yang sesuai berdasarkan data nilai mata pelajaran, seperti Bahasa Indonesia, IPA, IPS, dan Matematika. Dengan data siswa SMK Sumber Bunga, model KNN dikembangkan dan dievaluasi untuk menentukan efektivitasnya dalam mengklasifikasi mata pelajaran "Teknologi Komputer dan Jaringan" serta "Multimedia". Hasil evaluasi menunjukkan akurasi model mencapai 97,14%, dengan presisi dan recall yang tinggi pada kedua jurusan. Tingkat keyakinan ( confident ) dari model prediksi juga memberikan gambaran yang jelas tentang keakuratan setiap prediksi. Hasil ini menunjukkan bahwa metode KNN dapat diimplementasikan sebagai alat bantu yang efektif untuk penentuan mata pelajaran, sehingga dapat mendukung keputusan yang lebih objektif dan sesuai dengan kemampuan akademik siswa.
Abstract:Stunting pada balita merupakan permasalahan kesehatan masyarakat yang serius dan memerlukan penanganan segera melalui deteksi dini yang akurat. CNN (Convolutional Neural Network) merupakan metode yang akurat, efektif dan…
tepat sasaran dalam memberikan hasil yang akurat dan presisi. Implementasi metode CNN dapat mengklasifikasikan status stunting pada balita berdasarkan parameter antropometri dan karakteristik kesehatan. Dataset yang digunakan terdiri dari 6.500 sampel data balita dengan 8 variabel meliputi jenis kelamin, usia, berat lahir, panjang lahir, berat badan, panjang badan, riwayat ASI eksklusif, dan status stunting. Metodologi yang digunakan melibatkan serangkaian tahapan preprocessing data termasuk standardisasi fitur menggunakan StandardScaler, pemisahan data training (80%) dan testing (20%), serta penggunaan arsitektur CNN yang terdiri dari layer konvolusi 1D dengan 32 filter, max pooling, dan dense layer. Model dilatih menggunakan optimizer Adam dengan fungsi loss categorical crossentropy selama 10 epoch dan batch size 32. Evaluasi performa model dilakukan menggunakan berbagai metrik termasuk accuracy, precision, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai performa yang sangat baik dengan akurasi 90%, precision 89%, recall 92%, dan F1-score 91%. Analisis confusion matrix mengkonfirmasi kemampuan model dalam mengklasifikasikan kedua kelas yaitu pada stunting dan non-stunting secara seimbang. Temuan ini mengindikasikan bahwa implementasi CNN efektif dalam mengidentifikasi status stunting pada balita dan berpotensi menjadi alat bantu yang berharga dalam screening stunting di fasilitas kesehatan.
Abstract:Obesitas adalah masalah kesehatan global yang ditandai dengan menumpuknya lemak tubuh berlebih, meningkatkan risiko penyakit kronis seperti diabetes dan penyakit jantung. Data Mining sangat efektif untuk mengidentifikasi…
faktor risiko obesitas pada individu menggunakan algoritma Random Forest yang diimplementasikan dengan RapidMiner, dipilih karena kemampuannya menangani banyak variabel dan mengatasi multikolinearitas. Dataset ini terdiri dari 2.087 entri dengan 15 fitur terkait gaya hidup, pola makan, dan riwayat kesehatan yang diperoleh dari situs Kaggle, dan dibagi menjadi 90% data latih serta 10% data uji untuk evaluasi kinerja model. Hasilnya menunjukkan model mampu mencapai akurasi 79,81%, presisi 78,26%, dan recall 67,86%, dengan faktor dominan yang mempengaruhi risiko obesitas adalah konsumsi makanan tinggi kalori, rendahnya aktivitas fisik, dan riwayat keluarga obesitas. Penelitian ini memberikan wawasan penting bagi upaya pencegahan obesitas melalui pengembangan kebijakan kesehatan dan program edukasi yang lebih efektif, fokus pada perubahan pola hidup untuk mengurangi prevalensi obesitas dan komplikasi
Abstract:Perkembangan teknologi yang pesat mendorong masyarakat untuk beradaptasi dalam aktivitas sehari-hari dengan cara yang lebih mudah, cepat, dan efektif. Salah satu inovasi di bidang administrasi adalah Sistem Informasi Administrasi…
inistrasi Kependudukan (SIAK), yang memungkinkan pembuatan data kependudukan secara cepat dan akurat di seluruh wilayah Indonesia. Pemerintah pusat, melalui Dukcapil Kementerian Dalam Negeri, meluncurkan identitas kependudukan digital sebagai bentuk digitalisasi dokumen kependudukan yang dapat diakses melalui aplikasi di ponsel. Meskipun aplikasi ini memudahkan masyarakat, beberapa pengguna masih menghadapi kendala, terutama terkait keamanan data. Sebagai solusi keamanan, teknologi pengenalan wajah berbasis machine learning menjadi opsi potensial dalam memastikan identitas digital yang lebih aman. Teknik seperti Convolutional Neural Networks (CNN) terbukti efektif dalam mengenali fitur wajah, memungkinkan sistem untuk mengidentifikasi individu dengan akurasi tinggi, terutama dalam konteks keamanan. Namun teknologi ini menghadapi tantangan, seperti variasi pose, pencahayaan, dan ekspresi wajah, yang mempengaruhi kinerja sistem pengenalan wajah. Studi ini mengkaji pentingnya evaluasi model pembelajaran mesin, seperti akurasi dan recall, untuk memastikan efektivitas sistem dalam mendeteksi dan mencegah akses yang tidak sah. Dalam masyarakat, pemerintah memiliki tanggung jawab memberikan layanan optimal sebagaimana diatur dalam Undang-Undang Nomor 25 Tahun 2009 tentang Pelayanan Publik. Optimalisasi informasi teknologi diharapkan memberikan manfaat luas bagi masyarakat, memperkuat peran aparat
Abstract:Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar glukosa dalam darah, yang dapat menyebabkan komplikasi serius jika tidak dikelola dengan baik. Dalam penelitian ini, dilakukan prediksi diabetes pada…
a perempuan suku Indian Pima menggunakan algoritma klasifikasi K-Nearest Neighbors (K-NN). Dataset yang digunakan diperoleh dari National Institute of Diabetes and Digestive and Kidney Diseases, yang terdiri dari 769 data pasien dengan 9 atribut. Penelitian ini menggunakan metode deskriptif kuantitatif dengan pendekatan rekayasa perangkat lunak dan Library Online Research. Data dianalisis menggunakan RapidMiner versi 10.3. Hasil dari model K-NN menunjukkan tingkat akurasi sebesar 70,13%, dengan presisi 59,09% untuk pasien positif dan 74,55% untuk pasien negatif. Nilai recall yang diperoleh adalah 48,15% untuk pasien positif dan 82,00% untuk pasien negatif. Meskipun akurasi model ini cukup baik, penelitian lebih lanjut diperlukan untuk meningkatkan kualitas prediksi. Algoritma K-NN terbukti efektif digunakan dalam klasifikasi diabetes, tetapi kualitas hasil sangat bergantung pada kualitas data yang dianalisis.
Abstract:Di Era saat ini masyarakat akan selalu meminta kepada pemerintah tentang pelayanan publik yang berkualitas. Namun fakta dilapangan masi banyak kita jumpai permasalahan yang ada di dalam pelayanan publik salah satunya di…
kabupaten Sidoarjo memiliki sejumlah masalah yang kompleks, Diantaranya adalah masalah terkait situasi gawat darurat yang memiliki tingkat kepentingan yang tinggi dan harus segera ditangani. kabupaten sidoarjo telah membuat sebuah program pelayanan pengaduan gawat darurat yakni program layanan Call Center 112. Kondisi gawat darurat merupakan kondisi dimana mengancam nyawa dan butuh penanganan secara cepat untuk menghindari apa yang tidak diinginkan. Penelitih bertujuan untuk mendeskripsikan efektifitas program sistem Call Center 112 sebagai layanan pengaduan gawat darurat di kabupaten sidoarjo dan menghasilkan sebuah layanan yang efisien, efektif, akuntabilitas dan tranparansi. Metode yang digunakan pada penelitian ini adalah pendekatan penelitian deskriptif kualitatif. Hasil penelitihan efektivitas program Call Center 112 sebagai layanan pengaduan gawat darurat di kabupaten sidoarjo sudah efektif dalam pelaksanaannya karena sudah terpenuhinya seluruh fokus penelitian yang diukur berdasarkan teori efektivitas program menurut Mardiasmo, ketepatan sasaran program, sosialisasi program, pencapaian tujuan program, dan pemantauan program.
Abstract:Email spam merupakan salah satu masalah signifikan dalam komunikasi digital yang dapat mengganggu produktivitas pengguna. Untuk mengembangkan model klasifikasi email spam maka digunakan Algoritma Naive Bayes, yang dikenal…
l karena kesederhanaan dan efektivitasnya dalam menangani data teks. Data email yang terdiri dari spam dan non-spam diambil dari sumber yang dapat diakses secara publik dan diproses menggunakan aplikasi RapidMiner. Langkah-langkah preprocessing, termasuk penghapusan stopwords, stemming, dan vektorisasi teks, dilakukan untuk meningkatkan akurasi model. Model Naive Bayes dilatih dan diuji menggunakan teknik cross-validation untuk memastikan keandalan hasil. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang tinggi dengan hasil 60%, dengan nilai presisi 40% dan recall yang memadai. Hasil ini menunjukkan potensi penggunaan Algoritma Naive Bayes dalam klasifikasi email spam dan memberikan kontribusi terhadap pengembangan sistem filtrasi email yang lebih efektif.
Abstract:Korupsi is an infection pestilence for Indonesia and for the entire world. Defilement is the abuse of cash that is generally completed by specific gatherings. Defilement generally happens inside the extent of organizations…
ns and inside the extent of government, this is on the grounds that they believe they are deficient in what they get from their compensation or pay which not set in stone. Defilement is a wrongdoing or a crook act, it is kept in the law and on the off chance that there is a culprit of debasement there will be sanctions identical to what he has done. Right now regulation masters are less firm in managing difficult issues, for example, defilement cases, they are deficient in dealing with them, one of the variables is on the grounds that there are so many debasement individuals and on the grounds that the implementers are apathetic in taking care of them, they favor their own alternate ways, specifically by going to the sanctuary. -claiming not to realize what truly occurred. At present, there are numerous culprits of debasement, particularly in authoritative circles. They ought to orchestrate funds so they can be conveyed to the local area or to the people who need it more, however by and by this isn't true, they rather meddle with the assets that they ought to circulate to the local area. Regulation implementers are likewise lacking in taking care of debasement cases, particularly in administrative circles since they normally feel they are in a higher position and can play with cash. One might say that when there is cash there is opportunity. The answer for this lies in the public arena, the public requirements to assist with debasement cases, particularly in the regulative body, and full consciousness of regulation implementers or people who are obliged to do their obligations to destroy all instances of defilement, particularly those all through Indonesia.
Abstract:This quantitative descriptive study aimed to explore the relationship between sleep duration and academic performance among third-year English Language Teaching students at IAIN Palangka Raya. data was collected from 24…
voluntary participants. Results indicated that most respondents slept between 11:00 pm and 12:00 am, with an average sleep duration of 5.458 hours. Despite the majority having below the recommended 7 hours of sleep per night, the study found a weak negative correlation (-0.088) between sleep duration and academic performance (GPA). However, the p-value of 0.684 suggested that this correlation was not statistically significant. Discussion highlighted the importance of sleep for cognitive functions and academic success. Although the study contradicted some existing theories, it emphasized the need for further research with larger samples and more specific performance measurements. The findings could guide educational institutions in developing evidence-based interventions to improve students' sleep quality and, potentially, academic performance. this research contributes to the understanding of the complex relationship between sleep and academic achievement, prompting further exploration for a more comprehensive perspective.