Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal GLOBAL: Jurnal Lentera BITEP SAINTEK
Yusuf Putra Bintang Satria
Universitas Pelita Bangsa
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Penerapan Metode TF-IDF dan Cosine Similarity pada Chatbot Informasi Pilkada Bekasi 2024 Berbasis Telegram Nur Pratama; Zidan Lutfi Ramadan; Yusuf Putra Bintang Satria; Dean Adriansyah Asy’ari
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilihan Kepala Daerah (Pilkada) merupakan proses penting dalam demokrasi yang membutuhkan akses masyarakat terhadap informasi secara cepat dan tepat. Namun, keterbatasan akses terhadap informasi seperti profil calon, jadwal, dan visi-misi masih menjadi kendala. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis Telegram yang memanfaatkan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity untuk menyediakan informasi Pilkada Bekasi 2024. Metode TF-IDF digunakan untuk menentukan bobot kata dalam kumpulan data, sedangkan Cosine Similarity digunakan untuk mencocokkan input pengguna dengan data yang relevan. Implementasi chatbot ini dirancang untuk memberikan respons yang relevan dan memudahkan masyarakat dalam memperoleh informasi Pilkada. Hasil pengujian menunjukkan bahwa chatbot mampu menjawab pertanyaan dengan tingkat relevansi yang baik dengan akurasi jawaban sebesar 93.33%, menjadi solusi praktis untuk meningkatkan aksesibilitas informasi Pilkada.
Penerapan Algoritma Decision Tree Classifier untuk Klasifikasi Serangan Jantung Amali Amali; Muhamad Ariel Saputra; Yusuf Putra Bintang Satria; Zidan Lutfi Ramadhan
GLOBAL: Jurnal Lentera BITEP Vol. 3 No. 06 (2025): Desember 2025
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/global.v3i06.367

Abstract

Menggunakan perangkat lunak RapidMiner untuk menganalisis dataset serangan jantung, penelitian ini akan menerapkan algoritma Decision Tree Classifier. Fokus utama penelitian adalah untuk mengklasifikasikan kasus positif dan negatif berdasarkan tingkat Troponin dan CK-MB. Model yang dikembangkan menunjukkan tingkat akurasi, presisi, dan recall yang tinggi, yang menunjukkan bahwa itu dapat digunakan sebagai alat diagnostik yang efektif dalam praktek klinis. Jika jenis kelamin digunakan sebagai simpul keputusan sekunder, kemampuan model untuk mengklasifikasikan kasus dengan tingkat CK-MB yang borderline meningkat. Analisis awal terhadap kadar Troponin pasien menunjukkan bahwa Troponin, CK-MB, jenis kelamin, dan usia memengaruhi risiko terkena AMI dengan Troponin positif. Evaluasi model menunjukkan akurasi sebesar 99,24%, dengan precision weighted mean recall sebesar 99,14%, dan accuracy sebesar 99,26%. Dengan menggunakan penanda biologis yang tersedia, decision tree yang dibuat dapat membantu menilai risiko serangan jantung. Penelitian ini menemukan bahwa model decision tree yang dibuat dengan RapidMiner dapat menjadi alat yang efektif untuk mengklasifikasikan kasus serangan jantung berdasarkan tingkat Troponin dan CK-MB. Tingkat akurasi dan presisi yang tinggi membuat model ini menjadi alat diagnostik yang berharga. Penelitian mendatang harus mempertimbangkan penggunaan dataset yang lebih besar dan integrasi fitur tambahan untuk meningkatkan generalisasi dan akurasi model.
Co-Authors Amali Amali Dean Adriansyah Asy’ari Muhamad Ariel Saputra Nur Pratama Zidan Lutfi Ramadan Zidan Lutfi Ramadhan