Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Fadhlanrashif Ibrahim Supriana
Universitas Indonesia Membangun
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Akurasi Dua Metode Klasifikasi: K-Nearest Neighbor vs Naïve Bayes pada Data Diabetes Fidalina Nirigi; Mochammad Triyanto; Mohammad Rezza Pahlevi; Athia Saelan; Fadhlanrashif Ibrahim Supriana
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.8671

Abstract

Diabetes merupakan kondisi metabolik yang ditandai oleh tingginya kadar glukosa darah dan telah menjadi masalah kesehatan global. Apabila tidak ditangani dengan tepat, diabetes dapat menyebabkan komplikasi serius seperti penyakit kardiovaskular, stroke, kerusakan ginjal, mata, dan sistem saraf. Perkembangan teknologi machine learning memberikan peluang dalam membantu proses klasifikasi dan prediksi penyakit diabetes secara lebih cepat dan akurat. Penelitian ini bertujuan untuk menganalisis tingkat akurasi dua metode klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Naïve Bayes pada data diabetes. Dataset yang digunakan adalah Pima Indians Diabetes Database dengan pembagian data sebesar 80% untuk data latih dan 20% untuk data uji. Tahapan penelitian meliputi preprocessing data, pelatihan model, dan pengujian klasifikasi. Variabel yang digunakan meliputi kadar glukosa, usia, indeks massa tubuh (BMI), tekanan darah, serta riwayat diabetes. Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi data diabetes dengan baik. Namun, algoritma K-Nearest Neighbor memperoleh tingkat akurasi lebih tinggi sebesar 81%, sedangkan Naïve Bayes memperoleh akurasi sebesar 77%. Berdasarkan hasil tersebut, metode K-Nearest Neighbor dinilai lebih efektif dalam proses prediksi penyakit diabetes dibandingkan metode Naïve Bayes. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem pendukung keputusan berbasis machine learning di bidang kesehatan, khususnya untuk deteksi dini penyakit diabetes.
Analisis Pemanfaatan Sistem Informasi Marketplace Shopee terhadap Performa Penjualan Digital Mukhlis Teknik Mohammad Alfarizi; Muhamad Satria Muryono; Diki Wahyu Nugraha; Fadhlanrashif Ibrahim Supriana
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.8728

Abstract

Penelitian ini bertujuan menganalisis dampak pemanfaatan sistem informasi marketplace Shopee terhadap performa penjualan digital Mukhlis Teknik selama 22 bulan (Juni 2024–Maret 2026). Latar belakang penelitian berakar pada fenomena transformasi digital UMKM sektor alat teknik yang dipicu oleh pandemi COVID-19, sebuah sektor yang selama ini kurang mendapat perhatian dalam literatur ilmiah dibandingkan sektor fashion dan FMCG. Metode yang digunakan adalah kuantitatif deskriptif dengan triangulasi data kualitatif yang bersumber dari data transaksional seller center Shopee, observasi lapangan, dan wawancara mendalam dengan pemilik toko menggunakan panduan 18 pertanyaan terstruktur. Hasil penelitian menunjukkan total akumulasi penjualan sebesar Rp4,24 miliar dengan ekspansi pasar dari skala regional Jabotabek menjadi nasional. Performa penjualan membentuk tiga fase berulang yaitu stabilisasi, puncak, dan koreksi yang konsisten dengan pola volatilitas e-commerce global. Tingkat konversi rata-rata 2,64% terbukti lebih ditentukan oleh kualitas traffic dan reputasi toko dibandingkan volume kunjungan, dengan konversi tertinggi 4,66% terjadi justru saat pengunjung paling rendah pada Januari 2025. Rating toko yang stabil pada angka 4,8/5,0 selama seluruh periode terbukti menjadi aset reputasi digital jangka panjang yang menopang stabilitas penjualan di tengah tekanan persaingan harga produk impor. Distribusi produk unggulan menunjukkan dua segmen saling melengkapi antara produk bernilai transaksi tinggi dan produk berfrekuensi tinggi yang bersama-sama memperkuat ketahanan pendapatan bulanan. Penelitian ini menegaskan bahwa UMKM perlu mengintegrasikan manajemen reputasi digital dan diversifikasi produk adaptif sebagai strategi mitigasi risiko persaingan harga di ekosistem marketplace.
Co-Authors Diki Wahyu Nugraha Fidalina Nirigi Mochammad Triyanto Mohammad Alfarizi Mohammad Rezza Pahlevi Muhamad Satria Muryono Saelan, Athia