Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal ARUS JURNAL SAINS DAN TEKNOLOGI
Chyquithadanuputri
Universitas Muhammadiyah Makassar
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences Other

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

Found 2 Documents
Search

 1 
Analisis Hubungan Iklim Kelas dengan Tingkat Stres Akademik Siswa Berdasarkan Klasifikasi Teks Menggunakan Model Indobert Rayhanatul Jannah; Chyquithadanuputri; Fahrim Irhamna Rachman; Muhammad Daffa Ruwaid Aras
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2850

Abstract

Stres akademik dapat memengaruhi kesejahteraan psikologis dan prestasi belajar siswa. Penelitian ini bertujuan mengevaluasi kinerja model IndoBERT dalam mengklasifikasikan tingkat stres akademik berdasarkan teks refleksi serta menganalisis hubungan antara iklim kelas dan tingkat stres akademik. Penelitian menggunakan pendekatan kuantitatif dengan data berupa teks refleksi dan skor iklim kelas dari 1.000 siswa. Model IndoBERT di-fine-tune untuk mengklasifikasikan stres akademik ke dalam kategori rendah, sedang, dan tinggi, sedangkan hubungan antarvariabel dianalisis menggunakan korelasi Spearman. Hasil menunjukkan bahwa IndoBERT mencapai akurasi 91%. Analisis korelasi menghasilkan koefisien Spearman sebesar -0,259 dengan p < 0,05, yang menunjukkan hubungan negatif lemah namun signifikan. Temuan ini menunjukkan bahwa IndoBERT efektif untuk klasifikasi stres akademik berbasis teks dan bahwa iklim kelas yang lebih positif berkaitan dengan tingkat stres akademik yang lebih rendah.
Klasifikasi Status Gizi Balita Menggunakan Algoritma Light Gradient Boosting Machine di Puskesmas Balibo Afifah Auliyah; Chyquithadanuputri; Fahrim Irhamna Rachman; Dara Ugi Aras
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2591

Abstract

Status gizi balita merupakan indikator penting dalam menentukan tingkat kesehatan dan perkembangan anak. Penentuan status gizi secara konvensional sering kali membutuhkan waktu yang lama dan berpotensi menimbulkan kesalahan dalam proses identifikasi. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan algoritma Light Gradient Boosting Machine (LightGBM) sebagai pendekatan machine learning yang cepat dan akurat. Dataset yang digunakan berasal dari Puskesmas Balibo dengan jumlah data sebanyak 860 data balita yang mencakup variabel umur, jenis kelamin, tinggi badan, berat badan, BMI, indikator BB/U, dan TB/U. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi performa model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma LightGBM mampu menghasilkan performa klasifikasi yang baik dengan tingkat akurasi mencapai 94%. Model ini mampu mengidentifikasi kategori status gizi balita secara efektif dan efisien sehingga dapat membantu tenaga kesehatan dalam mendukung deteksi dini masalah gizi pada balita.
Co-Authors Afifah Auliyah Aras, Dara Ugi Fachrim Irhamna Rachman Muhammad Daffa Ruwaid Aras Rayhanatul Jannah