Article Per Year (5 Year)
p-Index From 2021 - 2026
17.547
P-Index
This Author published in this journals
All Journal JURNAL INFORMATIKA Conference on Innovation and Application of Science and Technology (CIASTECH) JSI (Jurnal sistem Informasi) Universitas Suryadarma Scientific Journal of Informatics G-Tech : Jurnal Teknologi Terapan Community Development Journal: Jurnal Pengabdian Masyarakat GANDRUNG: Jurnal Pengabdian Kepada Masyarakat Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Journal of Students‘ Research in Computer Science (JSRCS) As-Sidanah : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Al-Khidmah Jurnal Pengabdian Masyarakat JUSTIFY : Jurnal Sistem Informasi Ibrahimy Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS JEECS (Journal of Electrical Engineering and Computer Sciences) Journal Of Computer Science And Technology JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Jurnal Ilmiah Multidisiplin Nusantara Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Jurnal Pengabdian Sosial GEMBIRA (Pengabdian Kepada Masyarakat) NGARSA: Journal of Dedication Based on Local Wisdom JUAN: Jurnal Pengabdian Nusantara Jurnal Riset Teknik Komputer Jurnal Pengabdian Masyarakat Ekonomi dan Bisnis Digital Jurnal Padamu Negeri Jurnal Sistem Informasi Karya Anak Bangsa Journal Educational Research and Development Journal Dekstop Application (JDA) Jurnal Teras Pengabdian Masyarakat (JISCO) Journal of Information System and Computing NJCOM: Community Service Journal Jurnal Pengabdian Masyarakat Multidisiplin Journal Of Global Computer Science
Fatah, Zaehol
Fakultas Sains Dan Teknologi Universitas Ibrahimy
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Physics Public Health Social Sciences Other

Published : 157 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 157 Documents
Search

 9   10   11   12   13 
Klasifikasi Prestasi Akademik Siswa Menggunakan Algoritma Decision Tree dengan RapidMiner Alifan Ibrohim; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4587

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan prestasi akademik siswa dengan mempertimbangkan berbagai faktor yang memengaruhi hasil belajar. Algoritma Decision Tree diimplementasikan menggunakan perangkat lunak RapidMiner dengan data bersumber dari dataset Student Performance Factors. Dataset tersebut memuat atribut seperti Hours_Studied, Attendance, Parental_Involvement, Access_to_Resources, Previous_Scores, Motivation_Level, Sleep_Hours, Internet_Access, dan Tutoring_Sessions, dengan Exam_Score sebagai label target. Proses penelitian meliputi tahapan pengumpulan, pembersihan, dan transformasi data, kemudian pembagian data menjadi 80% data latih dan 20% data uji. Hasil analisis menunjukkan bahwa atribut Hours_Studied dan Attendance merupakan faktor dominan dalam menentukan prestasi siswa. Model pohon keputusan berhasil mengelompokkan siswa ke dalam tiga kategori, yaitu Low (100 data), Medium (4.498 data), dan High (27 data) dari total 4.625 data. Temuan ini membuktikan bahwa metode Decision Tree efektif untuk mengenali pola hubungan faktor belajar terhadap prestasi akademik dan dapat menjadi dasar evaluasi bagi pihak sekolah dalam meningkatkan kualitas pembelajaran. Kata Kunci: Decision Tree, RapidMiner, Data Mining, Klasifikasi Prestasi Akademik, Student Performance Factors   This study aims to classify students' academic achievement by considering various factors that influence learning outcomes. The Decision Tree algorithm was implemented using RapidMiner software with data sourced from the Student Performance Factors dataset. The dataset contains attributes such as Hours_Studied, Attendance, Parental_Involvement, Access_to_Resources, Previous_Scores, Motivation_Level, Sleep_Hours, Internet_Access, and Tutoring_Sessions, with Exam_Score as the target label. The research process included data collection, cleaning, and transformation, followed by dividing the data into 80% training data and 20% test data. The analysis results showed that the attributes Hours_Studied and Attendance were dominant factors in determining student achievement. The decision tree model successfully grouped students into three categories, namely Low (100 data), Medium (4,498 data), and High (27 data) from a total of 4,625 data. These findings prove that the Decision Tree method is effective in recognizing patterns of the relationship between learning factors and academic achievement and can be used as a basis for evaluation by schools in improving the quality of learning.  Keyword :Decision Tree, RapidMiner, Data Mining, Academic Achievement Classification, Student Performance Factors
Prediksi Penyakit Jantung Menggunakan Algoritma Decision Tree C4.5 Muhammad Salman Al Farisy; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4594

Abstract

Penyakit jantung masih merupakan ancaman kesehatan global yang serius, bertanggung jawab atas kematian lebih dari 17 juta orang di dunia pada tahun 2015. Diagnosis tradisional rentan terhadap variasi subjektif dan memakan waktu. Untuk meningkatkan efisiensi dan akurasi, teknik data mining dan machine learning telah muncul sebagai alat yang menjanjikan. Penelitian ini mengusulkan pengembangan model untuk memprediksi penyakit jantung menggunakan algoritma Decision Tree C4.5, yang dipilih karena kekuatannya sebagai metode klasifikasi dan kemampuannya menghasilkan model yang intuitif serta mudah diinterpretasikan. Data yang digunakan adalah 303 sampel catatan medis pasien yang diambil dari repositori publik Kaggle.com. Prosesnya meliputi pra-pemrosesan data untuk eliminasi nilai kosong dan transformasi format, diikuti dengan pembagian data menggunakan teknik Hold-Out 70%:30% (212 sampel pelatihan, 91 sampel pengujian). Implementasi model dan evaluasi kinerja dilakukan menggunakan aplikasi RapidMiner. Hasil menunjukkan bahwa model C4.5 mencapai akurasi keseluruhan sebesar 70.33% pada set pengujian. Secara spesifik, model menunjukkan kekuatan dalam mendeteksi kasus positif (Sakit) dengan nilai Recall untuk kelas 'Iya' sebesar 84.00%, yang sangat penting untuk meminimalkan False Negative dalam konteks medis. Atribut Jenis Nyeri Dada teridentifikasi sebagai faktor klinis paling dominan (node akar) dalam penentuan kemungkinan penyakit jantung. Model ini valid sebagai sistem pendukung keputusan awal, khususnya dalam mengidentifikasi pasien berisiko tinggi. Kata Kunci: Prediksi Penyakit Jantung , Decision Tree C4.5 , Klasifikasi , Data Mining , RapidMiner   Heart disease remains a serious global health threat, was accountable for the demise of over 17 million people worldwide in 2015. Traditional diagnosis is prone to subjective variations and is time-consuming. To improve efficiency and accuracy, data mining and machine learning techniques have emerged as promising tools. This study proposes the development of a model for predicting heart disease using the Decision Tree C4.5 algorithm, chosen for its robustness as a classification method and its ability to produce intuitive and easily interpretable models. The data used are 303 patient medical record samples taken from the public repository Kaggle.com. The process includes data preprocessing for null value elimination and format transformation, followed by data splitting using the 70%:30% Hold-Out technique (212 training samples, 91 testing samples). Model implementation and performance evaluation were performed using the RapidMiner application. The results show that the C4.5 model achieves an overall accuracy of 70.33% on the test set. Specifically, the model demonstrated robustness in detecting positive cases (Sick) with a Recall value for the 'Yes' class of 84.00%, which is crucial for minimizing False Negatives in a medical context. The Chest Pain Type attribute was identified as the most dominant clinical factor (root node) in determining the likelihood of heart disease. This model is valid as an early decision support system, particularly in identifying high-risk patients.  Keyword: Heart Disease Prediction, Decision Tree C4.5, Classification, Data Mining, RapidMiner
Penerapan Algoritma Decision Tree untuk Klasifikasi Diagnosa Pasien Risma Nur Kholishah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4596

Abstract

Penelitian ini memanfaatkan algoritma Decision Tree sebagai metode analisis tipe C4.5 untuk mengklasifikasikan kondisi kesehatan pasien berdasarkan data diagnosis dari Sri Clinics di Kota Batam. Data dianalisis menggunakan RapidMiner dengan atribut seperti suhu tubuh, tekanan darah, detak jantung, jenis kelamin, usia, dan gejala utama. Hasil penelitian menunjukkan bahwa suhu tubuh merupakan faktor paling dominan dalam klasifikasi, di mana pasien dengan suhu ≤ 37,05°C dikategorikan sehat, sedangkan suhu > 37,05°C menunjukkan penyakit ringan atau berat. Model Decision Tree menghasilkan akurasi 96,67%, membuktikan bahwa metode ini efektif dan akurat sebagai alat bantu keputusan medis untuk menunjang proses penentuan penyakit dengan efisiensi dan ketepatan tinggi  Kata Kunci: Decision Tree C4.5, Data Mining, Diagnosis Pasien, Klasifikasi   This study utilized the Decision Tree algorithm, a C4.5 type analysis method, to classify patient health conditions based on diagnostic data from Sri Clinics in Batam City. The data was analyzed using RapidMiner with attributes such as body temperature, blood pressure, heart rate, gender, age, and primary symptoms. The results showed that body temperature was the most dominant factor in the classification, with patients with a temperature below 37.05°C categorized as healthy, while temperatures above 37.05°C indicated mild or severe disease. The Decision Tree model achieved 96.67% accuracy, demonstrating its effectiveness and accuracy as a medical decision-making tool to support the process of determining disease with high efficiency and accuracy.  Keywords: Decision Tree C4.5, Data Mining, Patient Diagnosis, Classification
Klasifikasi Kematangan Tanaman Buah Tomat Menggunakan Teachable Machine: Pendekatan Berbasis Gambar Maridatul Husna; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4599

Abstract

Identifying the ripeness level of tomatoes (Solanum lycopersicum) is important in agriculture because it affects product quality, market value, and harvesting efficiency. This study aims to classify tomato ripeness (raw, semi-ripe, ripe) using digital images through Teachable Machine (Google's AI platform). The approach used is image-based classification utilizing machine learning techniques to detect color and texture patterns. Data were collected directly, labeled, and used to train the model. Evaluation results showed high accuracy (94%) and low loss values. The developed prototype allows real-time ripeness classification. The implementation of these findings is expected to improve harvest quality, reduce losses, and support sustainable agriculture through systematic technology. Keywords:  Teachable Machine. Classification, Tomato Ripeness, image.   Identifikasi tingkat kematangan tomat (Solanum lycopersicum) penting dalam agrikultur karena memengaruhi kualitas produk, nilai jual, dan efisiensi panen. Studi ini bertujuan mengklasifikasikan kematangan tomat (mentah, setengah matang, matang) menggunakan citra digital melalui Teachable Machine (platform AI Google). Pendekatan yang digunakan adalah klasifikasi berbasis gambar yang memanfaatkan teknik pembelajaran mesin untuk mendeteksi pola warna dan tekstur. Data diperoleh langsung, dilabeli, dan digunakan untuk melatih model.Hasil evaluasi menunjukkan akurasi tinggi (94%) dan nilai kerugian rendah. Prototipe yang dikembangkan memungkinkan klasifikasi kematangan secara waktu nyata. Implementasi temuan ini diharapkan dapat meningkatkan mutu hasil panen, meminimalisir kerugian, dan mendukung pertanian yang berkelanjutan melalui  pendekatan teknologi yang terencana.  Kata Kunci: Teachable Machine. Klasifikasi, Kematangan Tomat, gambar.
Prediksi Jenis Bunga Iris dengan Alqoritma K-Nearest Neighbor Menggunakan RapidMiner Ahmad Fauzan; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4621

Abstract

Pada kesempatan ini peneliti brtujuan untuk mengklasifikasi tumbuhan Iris Species menggunakan metode alqoritma K-Nearest Neighbor yang mengimplementasikan dalam RapidMiner Studio 2025.0.1. Yang mana Dataset berisi 150 entri yang mewakili tiga spesies iris (sclerotium, iris beraneka warna, dan eceng gondok), masing-masing berisi empat fitur utama yang digunakan sebagai variabel studi: ukuran Panjang dan lebar dibagian kelopak serta mahkota bunga. Metodologi penelitian ini melibatkan beberapa Langkah yaitu: akuisisi data (Retrieve Iris), penandaan fitur (Set Role), pemisahan data (70% data pelatihan, 30% data uji), pelatihan model menggunakan algoritma K-NN dengan K = 5 dan pembobotan, implementasi model (Apply Model), dan evaluasi kinerja. Hasil pengujian menunjukkan bahwa model K-NN dapat mengklasifikasikan tumbuhan Iridaceae dengan akurasi 97,78%, tingkat presisi dan recall melebihi 93%, dan kesalahan klasifikasi yang sangat rendah. Penelitian ini juga menunjukkan efektifitas tinggi alqoritma K-NN dalam pengenalan pola mortofologi bunga dan juga menunjukkan bahwa aplikasi RapidMiner dapat dijadikan alat yang efektif dan praktis untuk mengembangkan model klasifikasi berbasis pembelajaran mesin. Kata Kunci: K-Nearset Neighbor, RapidMiner, Klasifikasi, iris, Pembelajaran mesin.   On this occasion, the researcher aims to classify Iris Species plants using the K-Nearest Neighbor algorithm method implemented in RapidMiner Studio 2025.0.1. The dataset contains 150 entries representing three iris species (sclerotium, variegated iris, and water hyacinth), each containing four main features used as study variables: petal length and width, and petal length and width. The methodology of this study involves several steps, namely: data acquisition (Retrieve Iris), feature marking (Set Role), data separation (70% training data, 30% test data), model training using the K-NN algorithm with K = 5 and weighting, model implementation (Apply Model), and performance evaluation. The test results show that the K-NN model can classify Iridaceae plants with an accuracy of 97.78%, precision and recall levels exceeding 93%, and very low classification errors. This study also shows the high effectiveness of the K-NN algorithm in recognizing flower morphological patterns and also shows that the RapidMiner application can be used as an effective and practical tool for developing machine learning-based classification models. Keywords: K-Nearest Neighbor, RapidMiner, Classification, iris, Machine learning.
Implementasi Aplikasi Kehadiran Berbasis Web menggunakan Codeigniter pada SMK Ibrahimy 2 Sukorejo Situbondo Rofi Dian Andini; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4623

Abstract

Ada kebutuhan yang berkembang akan struktur administrasi yang efisien dan terkoordinasi dengan baik karena pergeseran operasional di sektor pendidikan. Aplikasi kehadiran daring yang dibangun menggunakan kerangka CodeIgniter 4 dan diimplementasikan di SMK Ibrahimy 2 Sukorejo Situbondo merupakan tujuan dari penelitian ini. Research and development (R&D) menggunakan model waterfall merupakan proses yang digunakan. Prosesnya terdiri dari langkah-langkah berikut: pengumpulan persyaratan, desain persyaratan, implementasi (menggunakan kerangka kerja seperti PHP CodeIgniter 4, MySQL, dan Bootstrap), pengujian (baik fungsional maupun kegunaan), dan terakhir, penilaian oleh pengguna akhir. Menurut desain sistem, ada modul login multi-level yang memungkinkan admin, guru, dan siswa untuk masuk. Selain itu, ada fitur input kehadiran kelas setiap jam, rekap otomatis, dan kemampuan untuk mengekspor laporan dalam format PDF atau XLS. Menurut pengujian fungsional, semua fitur utama beroperasi seperti yang diharapkan. Menurut studi kegunaan, baik instruktur maupun administrator sangat puas dengan kesederhanaan penggunaan sistem dan kemampuannya untuk mengurangi waktu rekapitulasi. Artikel ini merinci arsitektur sistem, mengujinya, memberikan contoh ilustratif dari hasil pengujian, dan menyarankan cara untuk memperbaikinya. Kata Kunci: kehadiran, CodeIgniter, sistem informasi sekolah, absensi web, R&D   The growing need for efficient and well-coordinated administrative structures amid shifting operational demands in the education sector has encouraged the development of digital management solutions. This study aims to develop an online attendance application built using the CodeIgniter 4 framework and implemented at SMK Ibrahimy 2 Sukorejo Situbondo. The research adopts a Research and Development (R&D) approach using the waterfall model, consisting of requirement collection, system design, implementation with PHP CodeIgniter 4, MySQL, and Bootstrap, followed by functional and usability testing, and final evaluation by end users.The system design includes a multi-level login module for administrators, teachers, and students; hourly class attendance input; automatic attendance recap; and export features for PDF and XLS reports. Functional testing shows that all core features operate as intended. Usability testing indicates high satisfaction among teachers and administrators regarding system simplicity and its effectiveness in reducing recap time. This article presents the system architecture, testing procedures, illustrative test results, and recommendations for future improvements. Konteks   berikutnya dapat berlanjut pada penyempurnaan gaya penulisan atau struktur ilmiah agar selaras dengan standar publikasi lainnya.  Keywords: attendance, CodeIgniter, school information system, web attendance, R&D
Implementasi FP-Growth Untuk Analisis Wilayah Strategis Madrasah Aliyah Miftahul Ulum Bengkak Tuti Alawiyah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4629

Abstract

Pemanfaatan data mining semakin penting bagi lembaga pendidikan dalam mendukung pengambilan keputusan berbasis data dengan mengidentifikasi pola hubungan antar data adalah algoritma FP-Growth. Studi ini bertujuan untuk menganalisis pola wilayah asal calon siswa Madrasah Aliyah Miftahul Ulum Bengkak untuk menentukan daerah strategis sebagai sasaran promosi. Penelitian menggunakan data pendaftaran beberapa tahun terakhir dengan tahapan pengumpulan data, pra-pemrosesan, dan penerapan algoritma FP-Growth melalui RapidMiner Studio. Hasil penelitian menunjukkan adanya aturan asosiasi dengan nilai support dan confidence tinggi pada wilayah Bengkak, Wongsorejo, Alasbuluh, Ketapang, dan Banyuwangi. Temuan tersebut menunjukkan bahwa wilayah tersebut memiliki keterkaitan kuat dalam pola pendaftaran siswa baru. Algoritma FP-Growth terbukti efektif untuk mengungkap pola tersembunyi pada data wilayah calon siswa dan dapat digunakan sebagai dasar penyusunan strategi promosi madrasah yang lebih tepat sasaran. Kata kunci: FP-Growth, data mining, wilayah strategis, Association rules, RapidMiner.   The use of data mining has become a strategic need for educational institutions in supporting data-driven planning. Madrasah Aliyah Miftahul Ulum Bengkak requires an analysis of students’ origin areas to determine potential regions for promotional activities. This study aims to identify regional pattern associations using the FP-Growth algorithm, enabling the institution to recognize strategic areas that significantly contribute to new student enrollment. This research employs a descriptive quantitative approach using registration data from several academic years. Data gathering, data preprocessing, and applying the FP-Growth algorithm in RapidMiner Studio are all steps. The findings reveal association rules with high support and confidence values, particularly in Bengkak, Wongsorejo, Alasbuluh, Ketapang, and Banyuwangi. These regions demonstrate strong relationships in enrollment patterns and are therefore suitable as priority targets for promotion. This study concludes that the FP-Growth algorithm is effective in uncovering hidden patterns within students’ regional-origin data and provides a reliable foundation for formulating more targeted, efficient, and data-driven promotional strategies. Keywords: FP-Growth, Data mining, Astrategic areas, Aassociation rules, RapidMiner.
Klasifikasi Bentuk Tubuh Manusia (kurus, ideal dan gemuk) Berdasarkan Citra Digital Menggunakan Teachable Machine Siti Afiyah Suryadi Rahmah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4630

Abstract

Klasifikasi bentuk tubuh manusia adalah salah satu tantangan dalam bidang pengolahan citra digital dan kecerdasan buatan. Penelitian ini bertujuan menciptakan sistem yang mampu mengklasifikasikan bentuk tubuh manusia menjadi tiga kategori, yaitu kurus, ideal, dan gemuk, berdasarkan gambar yang diambil. Sistem ini menggunakan platform Teachable Machine yang dikembangkan oleh Google. Metode yang digunakan mencakup pengumpulan gambar tubuh manusia dari berbagai sudut, memberi label pada gambar sesuai kategori yang sudah ditentukan, pelatihan model klasifikasi dengan metode pengenalan gambar berbasis pembelajaran mesin, serta pengujian akurasi model tersebut. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan bentuk tubuh dengan tingkat akurasi yang tinggi, tergantung pada kualitas dan variasi gambar yang digunakan. Dengan pendekatan ini, klasifikasi bentuk tubuh dapat dilakukan secara otomatis dan langsung tanpa perlu melakukan pengukuran fisik secara manual. Penelitian ini diharapkan bisa membantu pengembang aplikasi kecerdasan buatan dalam bidang kebugaran, kesehatan, serta personalisasi produk.
Klasifikasi Prestasi Akademik Mahasiswa Berdasarkan Kehadiran dan Aktivitas Menggunakan Metode Naïve Bayes Afdhaliyah Ramadhatul Fitriyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4632

Abstract

Penelitian ini bertujuan mengklasifikasikan prestasi akademik mahasiswa berdasarkan tingkat kehadiran dan aktivitas belajar menggunakan metode Naïve Bayes. Data yang digunakan meliputi atribut kehadiran, aktivitas perkuliahan, dan status akademik yang diolah menggunakan aplikasi RapidMiner Studio 7.1 melalui tahapan pembersihan, seleksi, dan transformasi data. Hasil pengujian menunjukkan tingkat akurasi sebesar 89,20%, dengan nilai precision dan recall di atas 88%. Hasil ini menunjukkan bahwa metode Naïve Bayes efektif dalam memprediksi prestasi akademik mahasiswa serta dapat digunakan sebagai dasar pengambilan Keputusan akademik untuk meningkatkan kinerja belajar. Kata Kunci: Klasifikasi, Prestasi Akademik, Kehadiran, Aktivitas Mahasiswa, Naïve Bayes   This study aims to classify students’ academic performance based on attendance levels and learning activities using the Naïve Bayes method. The data used include attendance, class activity, and academic status attributes, which were processed using RapidMiner Studio 7.1 through the stages of data cleaning, selection, and transformation. The testing results show an accuracy rate of 89.20%, with precision and recall values above 88%. These results indicate that the Naïve Bayes method is effective in predicting students’ academic performance and can be utilized as a basis for academic decision-making to improve learning outcomes.  Keywords: Classification, Academic Performance, Attendance, Student Activity, Naïve Bayes
Klasifikasi Harga Handphone Menggunakan Algoritma Decision Tree Ahmad Farissul Haq; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4636

Abstract

Perkembangan teknologi smartphone yang cepat menghasilkan banyak variasi merek dan spesifikasi, yang membuat harga handphone sangat bervariasi. penelitian ini bertujuan untuk mengklasifikasikan harga handphone berdasarkan fitur-fitur seperti RAM, memori intertal, kamera, prosesor, dan merek menggunakan algoritma Decision Tree. Metode ini dipilih karna kemampuannya menentukan model klasifikasi yang mudah dipahami dan diinterpretasi. Dataset yang digunakan terdiri dari 64 data handphone yang telah diberi label harga yaitu ‘Murah, Sedang, Mahal’. Hasil klasifikasi menunjukan tingkat akurasi sebesar 97%, model yang dihasilkan dapat membantu konsumen serta penjual dalam memahami segmentasi pasar smartphone. Kata Kunci: Data Mining, Decision Tree, Klasifikasi, Harga Handphone.   The rapid development of smartphone technology has resulted in various brands and specefications, cousing price diversity. This study aims to classify smartphone prices based on features such as RAM, internal memory, camera, processor, and brand using the Decision Tree algorithm. This method was chosen for its ability to build interpretble clasification models. The dataset consists of 64 smartphone records labeled by price (low, Medium, High). the clasifacation achieved an accuracy of 97%, and the resulting model helps consumers and sellers understand smartphone market segmentation.  Keywords: Data Mining, Decision Tree, Classification, Smartphone Price
Co-Authors Abd. Moeqshit Abdul Jalil Abu Dzarrin Al Ghifari Achmad Baijuri Achmad Nanung Fambriyadi Adinia Zulfa nurany Afdhaliyah Ramadhatul Fitriyah Agel Ahmad Maulana Agus Hamid Cholil Ahmad Afif Azmi Ahmad Efendi Ahmad Farissul Haq Ahmad Fauzan Ahmad Homaidi Ahmad Muflih Wafir Ahmad Wahyu Fernando Ahmad Yasin Ahmad Yogianto Ahmada Ilham Huzaini Ainur Yakin Aisyah Putri Sabrina Akhlis Munazilin Ali Muhajir Alifan Ibrohim Alvananta Farhan Maulana Alvina Jelita Firdaus Angga Saputra Anis Mukarromah Anisatul Rhodiah Ardila Dwi Putri Asvic Baid Anbala As’ad Alwi Shihab Auliya Auliya Bayu Ainur Rifki Cindy Nur Dina Alifia Daniel As’ad Amrullah dewi khoirunisak Dhiyaul Haq Hasan Dofiyanto Dwi Inayatul Fadila Dwi Norrepa Egi Gusnandi Pratama Endah Wahyu Rizki Eny Itsnainy Agustin Evvatun Nafiah Faqih Nur Rahman Farizal Maulana Sopyan Fikri Febrian Filsa Salsabila Fitra Lia Shofiah Hilma Aufini Ika Ayu Herlina Imam Nawawi Indra Hidayatullah Sofyan Intan Nayla Widad Hidayat Iqbal Saputra Irma Siftiana Irma Yunita Irma Yunita Jarot Dwi Prasetyo Jarot Dwi Prasetyo Karomah Nikmatul Maula Khoiriyah Agustin Ulumiyah Kiki Setiawan Heri Ananda Putra Lailatul Badriya Lailatur Romadhaniyah Lisa Muhfidha Lukman Aliyasin Lukman Fakih Lidimilah Lummatul Aisi aisi M. Fazlur Rahman Assauqi Madatahliya Mahattir Rahman Muhammad Mahmudi Mahmudi Manisa Sopia Mori mori Maridatul Husna Mas’udah masudah Maulidya Hanun Mayla Dini Zakkia Mita Abelia Moh Nailul Fahmi Moh. Aqil Mukhtar Alfarera Moh. Bahauddin Mohamad Afil Nadiq Nabil Mohammad Hadi Sujatmiko Mohammad Zainuddin Muhamad Iqbal Facruzi Muhammad Al Madany Muhammad Ilzam Asrori Muhammad Irsyad Syarif Muhammad Marizal Muhammad Muhajir Saddami Muhammad Nabil Dhiya’ul Haq Muhammad Nur Alif Haqiqi Muhammad Salman Al Farisy Muhammad Syafiq Muhammad Zakaria Muwasatil Muhtajin Nafilil Madani Al-Qur’ani Naila Ismi Fadila Nasywa Faiz Atillah Mifta Nauradhia Shofarianti Putri Nazwa Andita Neny Yuli Susanti Neny Yuli Susanti Nori Nur Fasratul Aini Nur Aini Nur Azizah Nur Kamila Nurul Lailiyah Putri Ghina Ardhika Putri Ilma Raudatuss Syifa Putri Navizah Qurrotul A'yun Rafi Jaabil Haqqi Rahmat Syarifuddin Chairil Anwar Rendi Aldiansyah Resti Aprilianingsih Riana Agustin Rifki Dwi Saputra Rinayatul Fadilah Riskiyatul Hasanah Risma Nur Kholishah Rofi Dian Andini Rofiatul Aulia Rohiqim Mahtum Rohiqim Mahtum Roy Hamdan Samsul Shinta Nuriyah Lailatul Iqrimah Siti Afiyah Suryadi Rahmah Siti Farhatus Shofiyyah Sitti Hafidzaturrafiah Sofiatuz Zamani Sri Wahyuni Supandi Syadza Najwatis Shaleha Syafiq Ilham Hakim Syamsul Arifin Syarif Hidayatullah Syariful Abrori Taufik Saleh Taufik Saleh Tawakal, Anzori Tilawatus Syarqiyah Tuti Alawiyah Ubay Dillah Mas’ud Ulfatun Najiyah Ummariyatul Fitriyah Ummul Karimah Uny Khafifah Uswatul Muftakiyah Wahyu Achmad Putra wardatun nafisa wardhatun khasanah Yaumil Farah Zainal Mu'en Zainul Arifin Alwi Al Qayyis Zainur Rohman Zeinurrahman Zeinurrahman