Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Indonesian Journal of Education and Development Research
Febrinata Silvianna Br Tarigan
Universitas Negeri Medan
Humanities Computer Science & IT Education Engineering Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
Tinjauan Literatur Sistematis (2019–2025) Kinerja Decision Tree dan Neural Network (Deep Learning) serta Perbandingannya dengan Naive Bayes dan SVM Fahmy Syahputra; Elsa Sabrina; Febrinata Silvianna Br Tarigan; Matius Irvan Sarumaha; Alfi Rahmadhani; Sandha Calista Simanjorang; Loveyanni Marito Benedikta Gorat
TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Vol 6, No 4 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/trilogi.v6i4.13429

Abstract

This study presents a Systematic Literature Review (2019–2025) comparing the performance of Decision Tree and Neural Network (Deep Learning) models, alongside their relative performance against Naive Bayes and Support Vector Machine (SVM). The review synthesizes empirical findings across multiple application domains—including healthcare, education, industry, and finance—focusing on commonly reported classification metrics such as accuracy, precision, recall, and F1-score. The synthesis indicates that Decision Trees are frequently preferred for structured/tabular data due to their high interpretability and transparent decision rules, which are valuable for accountable decision-making. In contrast, Neural Networks/Deep Learning tend to outperform on unstructured data (e.g., medical images and text) and complex non-linear patterns, albeit often with reduced explainability. In several studies, Naive Bayes remains competitive as a lightweight baseline, while SVM continues to be effective for high-dimensional feature spaces and specific classification settings. Overall, the review highlights that algorithm selection should be driven by data characteristics, problem complexity, interpretability requirements, and computational constraints, since no single algorithm consistently dominates across all scenarios.
Politik Identitas dan Polarisasi Dalam Pemilu Alfi Rahmadhani; Febrinata Silvianna Br Tarigan; Loveyanni Marito Benedikta Gorat; Novi Novani Sinaga; Frans Pratamarifai Doya Zai
Indonesian Journal of Education and Development Research Vol. 3 No. 1 (2025): Januari 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/ijedr.v3i1.4671

Abstract

Penelitian ini bertujuan untuk mengindetifikasi definisi dan dampak politik identitas dan polarisasi dalam pemilu. Penelitian ini menggunakan metode penelitian deskriptif. Politik Identitas merupakan fenomena yang semakin menonjol dalam konteks pemilihan umum (Pemilu), terutama di negara-negara dengan masyarakat yang beragam. Polarisasi dalam konteks pemilu merujuk pada meningkatnya perbedaan tajam antara kelompok-kelompok masyarakat yang memiliki pandangan politik berbeda. Etnis dan agama adalah bagian dari identitas yang seringkali menjadi alat atau dipolitisasi oleh sekelompok orang untuk kepentingannya. Politik identitas dan polarisasi dalam pemilu adalah tantangan yang serius bagi banyak negara. Menciptakan kesadaran akan perlunya toleransi, dialog, dan pendekatan inklusif dalam politik sangat penting untuk menjaga stabilitas sosial dan mendukung proses demokrasi yang sehat. Dengan demikian, meskipun politik identitas akan tetap ada dalam dinamika pemilihan umum, penting bagi semua pihak untuk berkomitmen pada prinsip-prinsip demokrasi dan persatuan bangsa demi masa depan yang lebih baik.
Co-Authors Alfi Rahmadhani Elsa Sabrina Frans Pratamarifai Doya Zai Loveyanni Marito Benedikta Gorat Matius Irvan Sarumaha Novi Novani Sinaga Sandha Calista Simanjorang Syahputra, Fahmy