SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains

Implementasi Algoritma K-Means Untuk Clustering Data Penyakit Di Puskesmas Kotagede 2 Yogyakarta

Marwah Silvia Sasmita — Sun, 30 Jun 2024 00:00:00 -0400

Puskesmas Kotagede 2 melayani pasien dari berbagai wilayah setiap hari, yang menghasilkan banyak data rekam medis. Saat ini, data tersebut hanya diarsipkan tanpa analisis lebih lanjut, menyebabkan pemimbunan data. Untuk mengatasi hal ini, diperlukan sistem yang dapat mengelompokkan data rekam medis berdasarkan kemiripan, untuk memberikan wawasan baru bagi tenaga medis tentang penyakit, faktor risiko, dan pola penyakit. Tujuan penelitian ini adalah menghasilkan dua cluster penyakit dan mengevaluasi hasilnya dengan Davies Bouldin Index yang bermanfaat untuk mengetahui kelompok penyakit yang banyak dan jarang, rata-rata usia penderitanya, dan wilayah asal penderita. Pengumpulan data dilakukan melalui proses wawancara dengan salah satu staff bagian rekam medis di Puskesmas Kotagede 2 Yogyakarta. Data rekam medis yang diperoleh dari puskesmas sebanyak 300 data yang akan diolah menjadi dataset sehingga dapat di proses oleh sistem. Agar sistem dapat berjalan denga n baik maka dilakukanlah analisis kebutuhan sistem, setelah melakukan analisis kebutuhan sistem selanjutnya merancang sistem. Sistem ini dirancang untuk bisa melalukan operasi clustering data menggunakan algoritma k-means. Pada penelitian ini data akan di kelompokkan menjadi dua cluster. Proses clustering ini kemudian di implementasikan ke dalam website agar mudah digunakan. Uji akurasi dilakukan setelah hasil clustering di temukan, uji akurasi pada penelitian ini menggunakan metode Davies Bouldin Index.

Hasil dari penelitian ini adalah terbentuknya dua cluster yang telah di uji menggunakan Davies Bouldin Index dengan nilai akurasi sebesar 0.73. Hasil dari clustering dari jumlah 300 data didapatkan jumlah anggota cluster 0 sebanyak 183 data pasien dengan penyakit yang banyak diderita nasofaringitis dan faringitis kronik, migren, diabetes mellitus 2, batuk, dan katarak, untuk usia rata – rata penderita pada cluster 0 ini adalah 34 tahun dengan wilayah pasien berasal dari Kelurahan Rejowinangun dan anggota cluster sebanyak 117 data pasien dengan penyakit yang jarang diderita yaitu tipus, anemia, dbd, vertigo, asam urat, campak, vertigo, sembelit, dan kolestrol dengan rata – rata usia penderita 29 tahun dengan wilayah asal pasien berasal dari Kelurahan Banguntapan.

Sistem Informasi Geografis Pemetaan Potensi Usaha di Kabupaten Mojokerto

Sugianto Sugianto — Sun, 30 Jun 2024 00:00:00 -0400

Seiring dengan peningkatan penggunaan teknologi informasi di Kabupaten Mojokerto, dapat dimanfaatkan untuk memudahkan promosi dan pemasaran produk. Banyak daerah dari kecamatan dengan ciri khas usaha kreatif tertentu, sehingga masyarakat yang berencana memulai usaha kreatif mungkin mengalami kesulitan menentukan potensi usaha yang dapat dikembangkan di daerah. Sistem Informasi Geografis (SIG) pemetaan potensi usaha dapat membantu para pelaku usaha di Kabupaten Mojokerto untuk mengetahui peluang pengembangan usaha kreatif di suatu daerah dan mempromosikan potensi usahanya.Hasil penelitian dengan mempertimbangkan sebaran usaha yang sudah ada dan sektor usaha yang disarankan di beberapa daerah, setelah dilakukan pemrosesan dalam sistem informasi geografis, menunjukkan presentase protensi usaha yang terbentuk di 6 kecamatan yaitu presentase 17.9% di Kecamatan Gedeg, presentase 12.8% di Kecamatan Kutorejo, presentase 10.3% di Kecamatan Mojosari, presentase 7.7% di Kecamatan Trawas, presentase 30.8% di Kecamatan Bangsal, dan presentase 20.5% di Kecamatan Jetis.

Analisis Prediksi Harga Bitcoin Menggunakan Metode ARIMA

Agil Aryanusa, Soffa Zahara — Sun, 30 Jun 2024 00:00:00 -0400

Di era digital, Bitcoin telah muncul sebagai salah satu mata uang digital yang paling banyak dibicarakan karena volatilitas dan potensinya sebagai sarana investasi. Namun, harga yang fluktuatif juga menimbulkan kesulitan ketika mencoba membuat prediksi yang akurat. Tujuan penelitian ini adalah untuk menganalisis dan meramalkan harga Bitcoin dengan menggunakan metode ARIMA (AutoRegressive Integrated Moving Average). Oleh karena itu, model ARIMA digunakan untuk mengekstrak mean dan varians dari data harga Bitcoin. Hasil penelitian menunjukkan bahwa model ARIMA dapat digunakan secara efektif untuk memprediksi harga Bitcoin dengan menghasilkan nilai MSE sebesar 54791638.70 dimana lebih baik dari model SARIMAX. Penerapan model ARIMA membantu para analis dan investor dalam memahami tren harga Bitcoin dan membuat keputusan investasi yang lebih tepat.

Prediksi Pasien Terindikasi Penyakit Jantung Menggunakan Metode Logistic Regression

Gita Rohma Utami Asyafiiyah, Ronny Makhfuddin Akbar — Sun, 30 Jun 2024 00:00:00 -0400

Penyakit serangan jantung (Heart Attack) telah terbukti sebagai salah satu penyakit berbahaya di dunia. Penyakit serangan jantung adalah kondisi dimana tersumbatnya arteri yang disebabkan oleh timbunan lemak. Deteksi penyakit jantung perlu dilakukan sejak dini karena gejala awalnya sering kali tidak jelas dan mudah terabaikan sehingga banyak orang tidak menyadari bahwa mereka sedang mengalami kondisi yang berakibat fatal nantinya. Untuk mengatasi masalah tersebut teknologi machine learning dapat digunakan untuk membantu mendeteksi penyakit jantung dengan menggunakan data historis pasien dengan berbagai metode yang ada. Pada penelitian ini metode yang digunakan adalah logistic regression dimana metode tersebut memodelkan probabilitas kejadian dari suatu peristiwa untuk menghasilkan nilai binary, yaitu nol dan satu sebagai penentuan klasifikasinya. Model yang diterapkan memberikan hasil akurasi pada data training sebesar 86% dan pada data testing sebesar 88%. Berdasakan hasil confusion matrix, model mampu memprediksi sampel yang benar-benar negatif (TN) dengan baik, ditunjukkan dari persentase yang cukup bagus mencapai nilai 85,39%. Kemudian proporsi false negative (FN) juga cukup rendah 9,52%. Nilai true positif (TP) mencapai 90,48% dan ROC curve menunjukkan nilai AUC 0,95 (mendekati 1) yang berarti model memiliki 95% area dibawah curva. Hal ini menunjukkan bahwa model yang dibangun memberikan performa yang baik. Jika dibandingkan dengan beberapa metode machine learning lainnya, metode logistic regression lebih unggul dari tingkat akurasinya.

Analisis Sentimen Vaksin COVID-19 di Twitter Menggunakan Algoritma Neural Network

Muhammad Zainul Abidin, Luki Ardiantoro — Sun, 30 Jun 2024 00:00:00 -0400

Pandemi COVID-19 telah mendorong penggunaan media sosial seperti Twitter untuk menyebarkan informasi dan opini terkait vaksin dan vaksinasi. Hal ini tidak lepas dari berbagai motivasi yang melatarbelakangi, politik, ekonomi, sosial, dll. Oleh karena itu, analisis sentimen terhadap tweet tentang vaksin COVID-19 menjadi penting untuk memahami persepsi publik dan potensi terjadinya informasi yang salah. Penelitian ini menggunakan algoritma neural network untuk analisis sentimen vaksin COVID-19 di Twitter. Algoritma ini dipilih karena mampu mencapai akurasi tinggi dalam mengklasifikasikan sentimen sebagai positif, negatif, atau netral, bahkan untuk tweet yang panjang dan kompleks. Hasil penelitian ini menunjukkan bahwa analisis sentimen menggunakan neural network dapat menjadi alat yang berharga untuk memahami opini publik tentang vaksin COVID-19 di Twitter. Akurasi algoritma neural network untuk analisis sentimen vaksin COVID-19 di Twitter ditemukan sebesar 92,5% dimana mengklasifikasikan sentimen 92,5% dari tweet yang ada di dataset dengan benar. Ini adalah tingkat akurasi yang tinggi, dan ini menunjukkan bahwa algoritma ini dapat digunakan secara andal untuk memahami persepsi publik tentang vaksin COVID-19.

Prediksi Harga Rumah Sesuai Spesifikasi Menggunakan Metode Multiple Linear Regression

Artika Widyastuti — Sun, 30 Jun 2024 00:00:00 -0400

Tempat tinggal atau rumah adalah salah satu kebutuhan utama manusia yang berguna sebagai tempat tinggal, tempat bersantai dan berkumpul dengan keluarga. Sehingga pertimbangan dalam pembelian rumah memerlukan sebuah metode untuk membantu menentukan harga yang sesuai pembeli inginkan. Dengan menggunakan metode Multiple Linear Regression dari data rumah yang didapatkan dari websiteb kaggle.com terdapat variabel-variabel potensial seperti harga rumah, luas tanah, luas bangunan, jumlah ruang kamar tidur, jumlah ruang kamar mandi dan garasi. Penelitian ini menggunakan dataset sebanyak 1010 data dengan 6 variabel. Data tersebut akan melalui proses pre-processing data sebelum dilakukannya training model. Selanjutnya pada tahap evaluasi menggunakan matrik pengujian, yaitu MAE (Mean Absolute Error), RMSE (Root Mean Squared Error) digunakan untuk menilai kinerja model. Berdasarkan hasil analisis dari dataset, dimana data tersebut dibagi menjadi dua bagian yaitu, sebanyak 80% sebagai data training dan 20% sebagai data testing dari hasil analisis tersebut diperoleh tingkat akurasi sebesar 0,77 atau 77% dengan tingkat error MAE sebesar 1980.3555 dan tingkat error MSE sebesar 10675731 lalu proses prediksi harga untuk sebuah rumah dengan spesifikasi tertentu telah didapatkan.