Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–3 dari 3 artikel
Decision Support System For Diabetes Diagnosis Using Simple Additive Weighting Method
Jurnal Riset Sistem dan Teknologi Informasi
Vol 4
, No 1
(2026)
Diabetes is a chronic metabolic condition marked by elevated blood glucose levels, necessitating early identification to avert long-term consequences, including cardiovascular diseases and organ impairment. The main obstacles in conventional diagnosis include time-consuming processes and limited medical experts, particularly in remote areas. This research aims to develop a web-based decision support system (DSS) to assist in the early diagnosis of diabetes by applying the Simple Additive Weighti...
Sumber Asli
Google Scholar
DOI
Application of KNN & Decision Tree Algorithms in Predicting Diabetes Using Rapid Miner
JUISI : Jurnal Ilmiah Sistem Informasi
Vol 5
, No 1
(2026)
Prediksi diabetes merupakan langkah penting dalam mendukung deteksi dini serta pencegahan komplikasi jangka panjang yang disebabkan oleh penyakit kronis. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree dalam memprediksi diabetes menggunakan dataset Pima Indian Diabetes pada aplikasi RapidMiner. Dataset yang digunakan terdiri dari 768 data dengan delapan atribut kesehatan utama yang berkaitan dengan risiko diabetes. Metode penelitian meliputi pr...
Sumber Asli
Google Scholar
DOI
Klasifikasi Penyakit Gagal Jantung Mengunakan Metode Decision Tree
JUISI : Jurnal Ilmiah Sistem Informasi
Vol 4
, No 3
(2025)
Deteksi awal gagal jantung sangat krusial untuk mengurangi angka sakit dan kematian. Metode machine learning, khususnya klasifikasi yang berbasis decision tree, menunjukkan potensi untuk mendukung keputusan medis dengan memisahkan pasien berisiko menggunakan variabel klinis yang biasa. Tujuan penelitian ini adalah untuk merancang dan menilai model Decision Tree dalam mengklasifikasikan pasien dengan gagal jantung menggunakan data klinis yang bersifat publik. Langkah-langkah dalam penelitian menc...
Sumber Asli
Google Scholar
DOI