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
Integrating Hybrid Statistical and Unsupervised LSTM-Guided Feature Extraction for Breast Cancer Detection
Setiadi, De Rosal Ignatius Moses
; Ojugo, Arnold Adimabua
; Pribadi, Octara
; Kartikadarma , Etika
; Setyoko, Bimo Haryo
; Widiono, Suyud
; Robet, Robet
; Aghaunor, Tabitha Chukwudi
; Ugbotu, Eferhire Valentine
Journal of Computing Theories and Applications
Vol 2
, No 4
(2025)
Breast cancer is the most prevalent cancer among women worldwide, requiring early and accurate diagnosis to reduce mortality. This study proposes a hybrid classification pipeline that integrates Hybrid Statistical Feature Selection (HSFS) with unsupervised LSTM-guided feature extraction for breast cancer detection using the Wisconsin Diagnostic Breast Cancer (WDBC) dataset. Initially, 20 features were selected using HSFS based on Mutual Information, Chi-square, and Pearson Correlation. To addres...
Sumber Asli
Google Scholar
DOI
Dataset Analysis and Feature Characteristics to Predict Rice Production based on eXtreme Gradient Boosting
Journal of Computing Theories and Applications
Vol 1
, No 3
(2024)
Rice plays a vital role as the main food source for almost half of the global population, contributing more than 21% of the total calories humans need. Production predictions are important for determining import-export policies. This research proposes the XGBoost method to predict rice harvests globally using FAO and World Bank datasets. Feature analysis, removal of duplicate data, and parameter tuning were carried out to support the performance of the XGBoost method. The results showed excellen...
Sumber Asli
Google Scholar
DOI
Penerapan Pembelajaran Discovery untuk Meningkatkan Aktivitas dan Prestasi Belajar Memperbaiki Mesin Diesel
Jurnal Komunikasi Pendidikan
Vol 3
, No 1
(2019)
Tujuan dari penelitian ini adalah untuk mengetahui Peningkatan keaktifan dan prestasi belajar siswa melalui model Discovery Learning pada pelajaran memperbaiki sistem bahan bakar Diesel. Jenis penelitian yang digunakan adalah Penelitian Tindakan Kelas. Kegiatan penelitian ini dilakukan dalam dua siklus. Hasil penelitian menunjukkan bahwa melalui pembelajaran Discovery, dapat meningkatkan keaktifan dan hasil belajar siswa. Peningkatan ditunjukkan pada keaktifan dan hasil belajar siswa dalam memp...
Sumber Asli
Google Scholar
DOI