Journal of Software Engineering Ampera

Risk Factors to Diagnosis A Data-Driven Model for Lung Cancer Prediction using BES-DT

Firza Septian — 2026-06-30

Lung cancer remains one of the most critical health challenges worldwide, requiring accurate and interpretable predictive models to support early diagnosis. This study proposes a novel framework by integrating the Bald Eagle Search (BES) optimization algorithm with the Decision Tree (DT) classifier, forming the BES-DT model. The dataset, consisting of demographic, behavioral, and clinical risk factors, was preprocessed and optimized using BES to select the most informative features while reducing redundancy. BES, inspired by the hunting behavior of bald eagles, balances exploration and exploitation to identify optimal solutions, enabling DT to construct transparent decision rules for clinical interpretation. Experimental evaluation demonstrated that BES-DT achieved superior performance compared to the baseline DT, with accuracy of 92.6%, precision of 98.8%, recall of 93.0%, F1-score of 95.8%, and ROC-AUC of 0.90, confirming strong discriminative ability. These findings highlight that BES-DT not only improves predictive accuracy but also maintains interpretability, offering a balanced solution for medical decision support. In conclusion, BES-DT shows significant potential in advancing early detection strategies for lung cancer.

Optimasi Prediksi Nilai Ekonomi Penjualan Musiman dengan Decision Tree ACO di Indonesia

Nidyawati Nidyawati — 2026-08-26

Penelitian ini bertujuan untuk mengoptimalkan prediksi nilai ekonomi penjualan musiman di Indonesia dengan mengintegrasikan algoritma Decision Tree dan Ant Colony Optimization (ACO). Data penelitian diperoleh dari catatan transaksi penjualan bulanan e-commerce periode 2024-2026, mencakup variabel kategori produk, metode pembayaran, ongkos kirim, serta total nilai penjualan. Model Decision Tree digunakan sebagai dasar prediksi, sementara ACO diterapkan untuk melakukan optimasi pemilihan fitur sehingga model lebih adaptif terhadap kompleksitas data musiman. Hasil penelitian menunjukkan bahwa integrasi Decision Tree - ACO mampu menurunkan nilai error secara signifikan, ditunjukkan melalui konvergensi RMSE pada iterasi awal, serta menghasilkan prediksi yang lebih mendekati nilai aktual dibandingkan metode tradisional. Analisis residual memperlihatkan sebagian besar kesalahan prediksi terkonsentrasi di sekitar nol, menandakan stabilitas model, meskipun masih terdapat deviasi pada kasus ekstrem. Kesimpulannya, kombinasi Decision Tree - ACO terbukti efektif dalam meningkatkan akurasi dan interpretabilitas prediksi penjualan musiman, sehingga dapat dijadikan dasar pengambilan keputusan strategis dalam konteks ekonomi digital Indonesia.

Integrasi Kecerdasan Buatan dan Realitas Tertambah: Inovasi Pembelajaran Pendidikan Agama Islam Di Era Digital

Muhammad Sulkhan Nurfatih — 2026-06-30

Perkembangan teknologi digital telah mendorong perubahan dalam proses pembelajaran, termasuk Pendidikan Agama Islam (PAI). Kecerdasan Buatan (Artificial Intelligence/AI) dan Realitas Tertambah (Augmented Reality/AR) menawarkan peluang untuk menciptakan pembelajaran yang lebih interaktif, adaptif, dan kontekstual. Penelitian ini bertujuan menganalisis potensi integrasi AI dan AR dalam pembelajaran PAI serta mengidentifikasi manfaat, tantangan, dan strategi penerapannya. Penelitian menggunakan pendekatan kualitatif dengan metode studi kepustakaan. Data diperoleh dari artikel jurnal, buku, laporan akademik, dan sumber ilmiah yang relevan dengan AI, AR, teknologi pendidikan, dan PAI. Hasil kajian menunjukkan bahwa AI dapat mendukung personalisasi pembelajaran, pemberian umpan balik, penyusunan bahan ajar, dan evaluasi. Sementara itu, AR dapat membantu memvisualisasikan materi PAI melalui objek tiga dimensi, simulasi, animasi, dan pengalaman belajar interaktif. Integrasi kedua teknologi tersebut berpotensi meningkatkan motivasi, keterlibatan, dan pemahaman peserta didik. Namun, penerapannya menghadapi kendala berupa keterbatasan infrastruktur, kompetensi digital guru, keamanan data, akurasi informasi, etika penggunaan AI, dan kesenjangan akses teknologi. Oleh karena itu, penerapan AI dan AR dalam pembelajaran PAI perlu dilakukan secara bertahap, pedagogis, etis, dan tetap menempatkan guru sebagai pengarah utama pembelajaran.