Article Per Year (5 Year)
p-Index From 2021 - 2026
3.693
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal RESISTOR (Rekayasa Sistem Komputer) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURIKOM (Jurnal Riset Komputer) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Algoritma Eduvest - Journal of Universal Studies
Faisal, Sutan
Unknown Affiliation
Aerospace Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Neuroscience Social Sciences

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Algoritma

 1 
Perbandingan Kinerja Algoritma Decision Tree dan Random Forest untuk Klasifikasi Nutrisi pada Makanan Cepat Saji Yaman, Nuurul Izzati; Juwita, Ayu Ratna; Lestari, Santi Arum Puspita; Faisal, Sutan
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.21-2.1649

Abstract

Makanan cepat saji telah menjadi bagian penting dari gaya hidup modern yang sibuk, makanan cepat saji lebih digemari karena membuat makan menjadi mudah dan nyaman. Anak muda zaman sekarang sangat menyukai makanan instan. namun, konsumsi makanan instan yang berlebihan dapat memicu berbagai masalah kesehatan, termasuk pola makan yang obsesif. Hal ini menimbulkan kebutuhan untuk mengembangkan metode analisis yang lebih akurat untuk mengklasifikasikan data nutrisi makanan cepat saji, tujuan klasifikasi adalah untuk memperoleh model pohon keputusan yang dapat digunakan untuk mengantisipasi dan memperhatikan bagaimana variable pada data yang berhubungan satu sama lain. Dalam membandingkan kinerja Algoritma Decision Tree dan Random Forest dalam memproses data nutrisi makanan cepat saji ditemukan bahwa semua variabel memiliki korelasi. Hasil implementasi ditemukan bahwa kedua model memiliki kemampuan yang luar biasa. kinerja Algoritma Decision Tree dan Random Forest pada dataset yang sama, Random Forest mengungguli Decision Tree dengan nilai akurasi 66.67%, sedangkan Decision Tree hanya mencapai 55.56%, menunjukkan bahwa Random Forest mampu memberikan prediksi yang lebih akurat untuk kelas data uji. Selain itu, karakteristik kelompok Random Forest, di mana beberapa pohon keputusan digabungkan, memberikan keunggulan dalam menangani kompleksitas data dan meningkatkan generalisasi model. Hasil ini menunjukkan bahwa pembelajaran kelompok dapat meningkatkan kinerja dan keandalan prediksi dalam membangun model klasifikasi, terutama dalam kasus dataset yang kompleks.
Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN) Alvionika, Nindy; Faisal, Sutan; Rahmat, Rahmat; Masruriyah, Anis Fitri Nur
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.21-2.1672

Abstract

Kehadiran internet dari berbagai penyedia layanan menjadi semakin beragam, menuntut kualitas unggul untuk memenuhi kebutuhan pengguna. Salah satu penyedia layanan internet terkemuka dan terbesar di Indonesia yaitu Telkomsel, yang kini memiliki sub-brand bernama By.U. By.U resmi diperkenalkan pada 10 Oktober 2019 dan merupakan salah satu ISP (Internet Service Provider) pertama di Indonesia yang menawarkan pengalaman digital secara (E2E) End-To-End pada seluruh aspek kebutuhan telekomunikasi. Pengalaman digital (E2E) pada By.U memudahkan pengguna untuk memilih metode pengiriman kartu perdana hingga menentukan nomor telepon By.U, membeli paket data, dan menyelesaikan proses pembayaran. Menganalisis sentimen dapat mengidentifikasi representasi opini pengguna berdasarkan pengalaman pengguna By.U. Metode K-Nearest Neighbors yang akan digunakan dalam penelitian ini. Berdasarkan penelitian yang telah dilakukan, hasil akurasi menggunakan algoritma K-Nearest Neighbors sebesar 73 persen. Hasil pada topic modelling yang dilakukan menggunakan Latent Dirichlet Allocation diketahui tema yang dibahas pada topik 1 yaitu menggambarkan mengenai information data telekomunikasi, pada topik 2 mengenai pendaftaran sim card, topik 3 mencakup berbagai masalah yang berkaitan dengan paket internet, aplikasi, dan transaksi. Hasil analisis sentimen menunjukkan bahwa penelitian ini mengalami kesulitan dalam memprediksi sentimen, tidak ada prediksi yang akurat untuk kelas positif, netral dan negatif. Hal ini menunjukkan bahwa penelitian harus ditingkatkan dan dilatih dengan menggunakan sampel yang lebih besar untuk prediksi sentimen.
Model Regresi Linear Berganda untuk Prediksi Tingkat Pengangguran di Provinsi Jawa Barat Halif, Jenny; Wahiddin, Deden; Sanjaya, Iman; Faisal, Sutan
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2312

Abstract

The Open Unemployment Rate (TPT) in West Java has been the highest nationally in recent years. This study aims to predict the TPT in 2025 using the Multiple Linear Regression (RLB) algorithm with variables such as inflation, GRDP, HDI, and population. Secondary data from 2013-2024 was analyzed through preprocessing, PCA, and training-test data division methods. The model was evaluated using RMSE and R-squared, with the results of RMSE 0.0148 and R² 0.5716. Multiple Linear Regression was chosen because it is able to handle many variables at once and provide a quantitative estimate of the contribution of each factor, in contrast to the individual approach which only looks at the influence of one variable separately. These results can serve as the basis for unemployment reduction policies at the regional level.
Co-Authors Adinata, Abdul Rohim Al Fathir Rizal Januar Alganiu, Ajeng Shalwa Alvionika, Nindy Amril Mutoi Siregar Ardiansyah, Fikri ARIF, SITI NOVIANTI NURAINI Arum Puspita Lestari, Santi Awal, Elsa Elvira Azhaar, Siti Alia Baihaqi, Kiki Ahmad Fauzi Ahmad Muda Fitri Nur Masruriyah, Anis Halif, Jenny Hanny Hikmayanti Handayani Hartono Wijaya, Sony Hermawan, Slamet Iman Sanjaya Indra, Jamaludin Jamiluddin, Fathir Jayidan, Zirji Juwita, Ayu Ratna Koirunnisa, Koirunnisa Kusumaningrum, Dwi Sulistya Lestari, Santi Arum Puspita Maulana, Ikhsan Mudzakir, Tohirin Al Munzi, Gugy Guztaman nabila, putri Niendha Biell Binna Novita, Hilda Yulia NURUL AZIZAH Pratama, Adi Rizky Purnama, Ariya Rachmawati, Dhea Rafikoh, Zahra Anggun Rahmat Rahmat Rohana, Tatang Romlah Siregar, Amril Mutoi Sujana, Sylvia Sukamto, Ika Sumiyarsi Tjong Wan Sen Tri Vicika, Vikha Tukino, Tukino Wahiddin, Deden Wicaksana, Yusuf Eka Yaman, Nuurul Izzati Yana Cahyana